Mass‐scale high‐throughput multiplex polymerase chain reaction for human platelet antigen single‐nucleotide polymorphisms screening of apheresis platelet donors
Notice bibliographique
Résumé
BACKGROUND: Treatment with human platelet antigen (HPA)-matched platelets (PLTs) is the optimal therapy for bleeding secondary to neonatal alloimmune thrombocytopenia. Recent advances in high-throughput DNA-based blood group and PLT antigen genotyping have made it possible to screen plateletpheresis donors for potential HPA-matched PLT transfusion. STUDY DESIGN AND METHODS: This prospective study evaluated genomic DNA from plateletpheresis donors for single-nucleotide polymorphisms (SNPs) associated with HPA-1, -2, -3, -4, -5, and -15 to determine whether high-throughput multiplex genomic DNA PCR and oligonucleotide extension technology can be used for mass-scale PLT antigen genotyping. Genotyping using SNP technology was confirmed using sequence-specific polymerase chain reaction (SSP-PCR). RESULTS: Of the 748 donors screened, 277 were found to be negative for antigens implicated in alloimmune thrombocytopenia. In addition, two donors were homozygous for HPA-1b/b and -2b/b, six donors for HPA-1b/b and -3b/b, one for HPA-2b/b and -3b/b, one for HPA-1b/b and -5b/b, 10 for HPA-1b/b and -15 b/b, four for HPA-5b/b and -15b/b, and one for HPA-2b/b and -15b/b. Retesting using SSP-PCR was conducted for 60 donors. Discrepant results occurred between SNP and SSP-PCR in less than 20% of samples for HPA-1b/1b/HPA-3b/3b, HPA-5b/5b, and HPA-15b/b. DISCUSSION: High-throughput multiplex PCR SNP and confirmatory molecular genotyping are useful for mass-scale screening of apheresis PLT donors to provide antigen-negative genotypes. Refinements to mass-scale multiplex analysis technology would reduce further the confirmatory testing needed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».