MétaCan
Menu
Retour à la cohorte
Enregistrement W2173402100 · doi:10.3390/toxins7124858

Recommended Immunological Assays to Screen for Ricin-Containing Samples

2015· article· en· W2173402100 sur OpenAlexafffund
Stéphanie Simon, Sylvia Worbs, Marc-André Avondet, Dobryan M. Tracz, Julie Dano, Lisa Schmidt, Hervé Volland, Brigitte G. Dorner, Cindi R. Corbett

Notice bibliographique

RevueToxins · 2015
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueToxin Mechanisms and Immunotoxins
Établissements canadiensUniversity of ManitobaPublic Health Agency of Canada
Organismes subventionnairesGovernment of CanadaPublic Health AgencyPublic Health Agency of Canada
Mots-clésRicinRicinusToxinChemistryChromatographyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Ricin, a toxin from the plant Ricinus communis, is one of the most toxic biological agents known. Due to its availability, toxicity, ease of production and absence of curative treatments, ricin has been classified by the Centers for Disease Control and Prevention (CDC) as category B biological weapon and it is scheduled as a List 1 compound in the Chemical Weapons Convention. An international proficiency test (PT) was conducted to evaluate detection and quantification capabilities of 17 expert laboratories. In this exercise one goal was to analyse the laboratories' capacity to detect and differentiate ricin and the less toxic, but highly homologuous protein R. communis agglutinin (RCA120). Six analytical strategies are presented in this paper based on immunological assays (four immunoenzymatic assays and two immunochromatographic tests). Using these immunological methods "dangerous" samples containing ricin and/or RCA120 were successfully identified. Based on different antibodies used the detection and quantification of ricin and RCA120 was successful. The ricin PT highlighted the performance of different immunological approaches that are exemplarily recommended for highly sensitive and precise quantification of ricin.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,005

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.

Tête enseignante Opus0,081
Tête enseignante GPT0,296
Écart entre enseignants0,215 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueToxinsMême sujetToxin Mechanisms and ImmunotoxinsTravaux en français237 207