Interlaboratory Reproducibility of Selective Reaction Monitoring Assays Using Multiple Upfront Analyte Enrichment Strategies
Notice bibliographique
Résumé
Over the past few years, mass spectrometry has emerged as a technology to complement and potentially replace standard immunoassays in routine clinical core laboratories. Application of mass spectrometry to protein and peptide measurement can provide advantages including high sensitivity, the ability to multiplex analytes, and high specificity at the amino acid sequence level. In our previous study, we demonstrated excellent reproducibility of mass spectrometry-selective reaction monitoring (MS-SRM) assays when applying standardized standard operating procedures (SOPs) to measure synthetic peptides in a complex sample, as lack of reproducibility has been a frequent criticism leveled at the use of mass spectrometers in the clinical laboratory compared to immunoassays. Furthermore, an important caveat of SRM-based assays for proteins is that many low-abundance analytes require some type of enrichment before detection with MS. This adds a level of complexity to the procedure and the potential for irreproducibility increases, especially across different laboratories with different operators. The purpose of this study was to test the interlaboratory reproducibility of SRM assays with various upfront enrichment strategies and different types of clinical samples (representing real-world body fluids commonly encountered in routine clinical laboratories). Three different, previously published enrichment strategies for low-abundance analytes and a no-enrichment strategy for high-abundance analytes were tested across four different laboratories using different liquid chromatography-SRM (LC-SRM) platforms and previously developed SOPs. The results demonstrated that these assays were indeed reproducible with coefficients of variation of less than 30% for the measurement of important clinical proteins across all four laboratories in real world samples.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,046 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».