Toen studies naar voren kwamen waaruit bleek dat een persoon positief test op COVID-19 -; of ze al dan niet symptomatisch waren -; het virus in hun ontlasting kwijt, "het riool leek de 'happening' plek om het te zoeken, " zei Smruthi Karthikeyan, doctoraat, een milieu-ingenieur en postdoctoraal onderzoeker aan de University of California San Diego School of Medicine.
Van juli tot november 2020, Karthikeyan en team, onder leiding van Rob Ridder, doctoraat, professor en directeur van het Center for Microbiome Innovation aan de UC San Diego, bemonsterd rioolwater om te zien of ze SARS-CoV-2 konden detecteren, het virus dat COVID-19 veroorzaakt. Zij konden. Maar het concentreren van het afvalwater bleek een knelpunt te zijn -; het is een langzaam en moeizaam proces met meerdere stappen.
Nutsvoorzieningen, in een paper gepubliceerd op 2 maart, 2021 in mSystemen , de onderzoekers beschrijven hoe ze de afvalwaterconcentratie hebben geautomatiseerd met behulp van vloeistofbehandelingsrobots. Ze demonstreerden de robuustheid van hun systeem door het te vergelijken met bestaande methoden en door te laten zien dat ze COVID-19-gevallen in San Diego met een uitstekende nauwkeurigheid binnen een week kunnen voorspellen, en drie weken met redelijke nauwkeurigheid, gewoon stadsriolering gebruiken.
San Diego County heeft slechts één primaire afvalwaterzuiveringsinstallatie, gelegen aan de kust in de wijk Point Loma van de stad. Alle uitwerpselen worden weggespoeld door de ongeveer 2,3 miljoen inwoners van San Diego, inclusief die op de campus van UC San Diego, eindigt daar.
Zeven dagen per week, Karthikeyan of een collega reden naar de zuiveringsinstallatie om afvalwatermonsters op te halen die door laboranten ter plaatse voor hen waren verzameld en opgeslagen. Ze brachten de monsters naar het laboratorium van Knight op de campus van de UC San Diego School of Medicine in La Jolla.
Helaas, we kunnen afvalwatermonsters niet zomaar rechtstreeks testen zoals we zouden doen met monsters van neusuitstrijkjes van patiënten. Dat komt omdat de monsters die we krijgen sterk verdund zijn -; denk maar aan het aantal mensen dat bijdraagt aan de afvalstroom, plus alle rotzooi die wordt doorgespoeld en in het riool terechtkomt."
Smruthi Karthikeyan, doctoraat, Postdoctoraal onderzoeker, Universiteit van Californië San Diego School of Medicine
Terug in het laboratorium, de onderzoekers verwerken het afvalwater met hun robotplatform. Het systeem extraheert RNA -; het genetische materiaal waaruit het genoom van virussen zoals SARS-CoV-2 bestaat -; uit de monsters, en voert de polymerasekettingreactie (PCR) uit om te zoeken naar de kenmerkende genen van het virus. De geautomatiseerde, high-throughput systeem kan elke 40 minuten 24 monsters verwerken. Later op dezelfde dag, Karthikeyan voegt de gegevens toe aan een digitaal dashboard dat nieuwe positieve gevallen bijhoudt.
Volgens Ridder, de techniek is sneller, goedkoper en gevoeliger dan andere benaderingen van afvalwatertoezicht. Het team is in staat om een enkel geval van COVID-19 te identificeren in een gebouw van ongeveer 500 mensen.
De onderzoekers en studenten in Knight's lab zijn geen onbekenden in het omgaan met ontlastingsmonsters. Het team staat al lang bekend om hun studies van het darmmicrobioom -; de unieke gemeenschappen van microben die in onze maagdarmkanalen leven. Mensen over de hele wereld nemen deel aan hun onderzoeksprogramma, Het Microsetta-initiatief (toepasselijk afgekort "TMI"), door hun fecale uitstrijkjes naar Knight's UC San Diego-lab te sturen. Dankzij het crowdsourced-project heeft het team de vele factoren kunnen bestuderen die van invloed kunnen zijn op de samenstelling van het darmmicrobioom van een persoon, en de vele manieren waarop het onze gezondheid beïnvloedt.
In het voorjaar van 2020, Het team van Knight verlegde snel hun focus om naar één bepaalde microbe te zoeken:SARS-CoV-2. Al snel vormde het team een integraal onderdeel van het Return to Learn-programma van UC San Diego, een op feiten gebaseerde aanpak die de universiteit in staat heeft gesteld huisvesting op de campus en persoonlijke lessen en onderzoeksmogelijkheden te blijven bieden. Met ongeveer 10 000 studenten op de campus, de vele componenten van het programma hebben het aantal gevallen van COVID-19 veel lager gehouden dan de omliggende gemeenschap en de meeste universiteitscampussen, het handhaven van een positiviteitspercentage van minder dan 1 procent.
Return to Learn steunt op drie pijlers:risicobeperking, virale detectie en interventie. Het team van Knight en hun medewerkers spelen een grote rol bij de detectie van virussen op de campus. Ze helpen bij het screenen op de asymptomatische aanwezigheid van SARS-CoV-2 bij studenten en personeel (vaak zelf verzameld met behulp van testkits die verkrijgbaar zijn bij automaten), op oppervlakken en in afvalwater.
Het team blijft dagelijks monsters verzamelen van meer dan 100 afvalwatermonsternemers op de campus van UC San Diego, die meer dan 300 gebouwen beslaan. Ongeveer een maand nadat het campusdetectiesysteem in de zomer van 2020 online kwam, op een vrijdagmiddag werd een positief geval ontdekt in de wijk Revelle College. De campusgemeenschap werd binnen 14 uur op de hoogte gebracht en er werden gerichte berichten gestuurd naar mensen die betrokken waren bij de getroffen gebouwen, aan te bevelen dat ze zo snel mogelijk op het virus worden getest. Dat weekend werden ruim 650 mensen getest op COVID-19.
Als resultaat, twee asymptomatische personen werden geïdentificeerd als positief voor COVID-19. Nadat de campus hen onmiddellijk op de hoogte had gebracht, ze hebben zichzelf geïsoleerd voordat een uitbraak kon optreden. Nutsvoorzieningen, resultaten van afvalwaterscreening zijn beschikbaar op een openbaar dashboard en positieve monsters worden gesequenced om de opkomst van nieuwe SARS-CoV-2-varianten te volgen. Het Return to Learn-programma, inclusief het testen van afvalwater, een voorbeeld is geworden voor andere universiteiten, K-12 schooldistricten en regio's.
"Naarmate de drempel om te betreden en te opereren steeds lager wordt, we hopen dat op afvalwater gebaseerde epidemiologie op grotere schaal zal worden toegepast, ' zei Ridder. 'Snel, grootschalige vroegtijdige waarschuwingssystemen voor infectieziekten kunnen met name nuttig zijn voor gemeenschapssurveillance in kwetsbare bevolkingsgroepen en gemeenschappen met minder toegang tot diagnostische tests en minder mogelijkheden om afstand te nemen en te isoleren -; tijdens deze pandemie, en de volgende."