A Quantitative Polymerase Chain Reaction Test to Enumerate Leukocytes in Allograft Tissue and the Implications for Donor Eligibility Testing
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A country-to-country analysis of infectious disease screening requirements for donated tissues or cells reveals they are not often harmonized. Transmission of one such infectious disease, human T-lymphotropic virus (HTLV), is related to the transfer of HTLV-infected, viable leukocytes of sufficient number. The ability to characterize allograft tissue as being absent of leukocytes, or containing relatively few leukocytes, by using a specific test has not been previously investigated. A quantitative polymerase chain reaction (qPCR) test was developed to interrogate protein tyrosine phosphatase, receptor type C (PTPRC) gene expression in tissue samples and was able to determine the number of leukocytes present in a tissue. The impact of a qualified leukocyte tissue testing method should be significant and lead to changes in donor eligibility regulations in certain countries. Human leukapheresis samples were used as a control to establish the amount of PTPRC in leukocytes. That value was used as a comparator to determine the number of leukocyte equivalents in tissues of interest. The qPCR test measured tissue leukocyte equivalents and the results were consistent with the relative abundance of leukocytes predicted for each tissue. Using qPCR to calculate leukocyte equivalents based upon PTPRC gene expression can be successfully employed to estimate the number of leukocytes in a tissue or allograft. This method could be used as a screen to rule out tissues that do not meet the criteria of being leukocyte rich and, therefore, do not need direct HTLV testing.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle