Response Monitoring of Acute Lymphoblastic Leukemia Patients Undergoing <scp>l</scp>-Asparaginase Therapy: Successes and Challenges Associated with Clinical Sample Analysis in Plasmonic Sensing
Notice bibliographique
Résumé
Abstract Monitoring the response of patients undergoing chemotherapeutic treatments is of great importance to predict remission success, avoid adverse effects and thus, maximize the patients? quality of life. In the case of leukemia patients treated with E. colil-asparaginase, monitoring the immune response by the detection of specific antibodies to l-asparaginase in the serum of patients can prevent extended immune response to the drug. Here, we developed a surface plasmon resonance (SPR) biosensor to rapidly detect anti-asparaginase antibodies directly in patients? sera, without requiring sample pretreatment or dilution. A direct assay with SPR sensing to detect anti-asparaginase antibodies exhibited a limit of detection of 500 pM and a high sensitivity range between 100 nM and 1 ?M in pooled and undiluted human serum from a commercial source. While the SPR assay showed excellent reproducibility (12% RSD) in pooled serum, challenges were encountered upon analyzing clinical samples due to high sample-to-sample variability in color and turbidity and, in all likelihood, in composition. As a result, direct detection in clinical samples was unreliable due to factors that may generally affect assays based on plasmonic detection. Addition of a secondary detection step overcame sample variability due to bulk differences in patients? sera. By those means, the SPR biosensor was successfully applied to the analysis of clinical samples from leukemia patients undergoing asparaginase treatments and the results agreed well with the standard ELISA assay. Monitoring antibodies against drugs is common such that this type of sensing scheme could serve to monitor a plethora of immune responses in sera of patients undergoing treatment.
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 | 0,001 |
| 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 | 0,001 |
| 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 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 ».