Nucleic Acid Detection Immunoassay for Prostate-Specific Antigen Based on Immuno-PCR Methodology
Notice bibliographique
Résumé
BACKGROUND: Serum prostate-specific antigen (PSA) concentrations after radical prostatectomy typically become undetectable with the use of current immunometric assay methods. Despite modern surgical techniques, 15%-30% of prostate cancer patients undergoing radical prostatectomy develop a biochemical recurrence during follow-up. Unfortunately, poor analytical sensitivity of standard PSA assays delays biochemical recurrence detection, and because of day-to-day assay imprecision ultrasensitive PSA assays cannot assess PSA kinetics. We developed an immuno-PCR assay for total PSA that has a limit of quantification >10 times lower than current ultrasensitive assays. METHODS: The 2-site immunometric assay for total PSA employed 2 monoclonal antibodies, one conjugated to a double-stranded DNA label and the other bound to paramagnetic microparticles. After several washing steps, quantification cycles were determined and values were converted to PSA concentrations. We characterized analytical performance and compared accuracy with a commercially available total PSA assay. RESULTS: The limit of quantification was 0.65 ng/L and the assay was linear in the range of 0.25-152.0 ng/L. Total imprecision estimates at PSA concentrations of 3.8, 24.1, and 69.1 ng/L were <15.2%, <9.4%, and <10.6%, respectively. Recovery of supplemented PSA ranged from 87.5% to 119.2% (mean 100.3%). Dilution recovery ranged from 96.4% to 115.3% (mean 102.3%). There was no high-dose hook effect up to 50 000 ng/L of PSA. Comparison with the commercial PSA assay showed a regression slope of 1.06 and a correlation coefficient of 0.996. CONCLUSIONS: The analytical characteristics of the assay support the use of this assay for the accurate and precise measurement of serum PSA, even at sub-nanogram-per-liter concentrations.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 ».