معرفی یک متد تشخیصی برای شناسایی ژنوم ویروس SARS-CoV۲ با استفاده از روش SYBR green Real-time PCR
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 76
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JMUMS-31-206_014
تاریخ نمایه سازی: 1 آبان 1402
Abstract:
سابقه و هدف: روش های متفاوتی برای تشخیص مولکولی ژنوم ویروس کرونا معرفی شده است که روش های مبتنی بر تکثیر ژنوم از موثرترین تست ها برای تشخیص ویروس هستند. از آنجایی که اکثر کیت های تایید شده PCR برای تشخیص ویروس کرونا بر پایه TaqMan real time PCR هستند که به دلیل استفاده از پروب های حاوی فلئورسنت و کوئینچر هزینه تمام شده بالایی دارند. لذا، هدف از این مطالعه طراحی روشی ارزان و ساده برای تشخیص ژنوم ویروس کرونا براساس تست کمی PCR- SYBR green برای ژن نوکلئوکپسید ویروس بوده است.
مواد و روش ها: پرایمرهای اختصاصی برای ژن نوکلئوکپسید ویروس و نیز ژن کنترل انسانی به وسیله نرم افزار Oligo طراحی شد و از نظر اختصاصیت به وسیله قابلیت Primer-BLAST پایگاه NCBI مورد بررسی قرار گرفتند. نمونه های سواب بینی از ۱۰ بیمار کرونایی تایید شده به وسیله PCR و نیز ۱۰ فرد کنترل دریافت گردید و وارد مطالعه شدند.
یافته ها: واکنش های طراحی شده با انطباق کامل با کیت مورد تایید وزارت بهداشت عمل افتراق افراد سالم از افراد بیمار انجام گرفت به طوری که Cut-off برای Ct واکنش برای جفت پرایمر N۱ برابر با ۷۲/۳۹ و برای جفت پرایمر N۲، ۶۹/۳۹ محاسبه گردید.
استنتاج: واکنش طراحی شده براساس SYBR green real time PCR پتانسیل شناسایی ژنوم ویروس کرونا در نمونه های بالینی را از خود نشان داد و این روش در صورت طراحی مناسب پرایمرها و شرایط استاندارد واکنش می تواند به عنوان جایگزین کم هزینه تری برای روش TaqMan real time PCR مطرح گردد.
Keywords:
Authors
علیرضا مردمی
PhD in Immunology, Immunogenetics Research Center, Mazandaran University of Medical Sciences, Sari, Iran
سعید عابدیان کناری
Professor, Immunogenetics Research Center, Department of Immunology, Mazandaran University of Medical Sciences, Sari, Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :