MétaCan
Menu
Retour à la cohorte
Enregistrement W2770817908 · doi:10.1021/acssensors.7b00584

Tracking Silent Hypersensitivity Reactions to Asparaginase during Leukemia Therapy Using Single-Chip Indirect Plasmonic and Fluorescence Immunosensing

2017· article· en· W2770817908 sur OpenAlexafffund
David M. Charbonneau, Julien Breault-Turcot, Daniel Sinnett, Maja Krajinović, Jean‐Marie Leclerc, Jean‐François Masson, Joelle N. Pelletier

Notice bibliographique

RevueACS Sensors · 2017
Typearticle
Langueen
DomaineEngineering
ThématiquePlasmonic and Surface Plasmon Research
Établissements canadiensCentre in Green Chemistry and CatalysisUniversité de SherbrookeCentre Hospitalier Universitaire Sainte-JustineRegroupement Québécois sur les Matériaux de PointeUniversité LavalPROTEO
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchMedac
Mots-clésAntigenicityAsparaginaseImmunoassayAntibodyChemistryLeukemiaMedicineLymphoblastic LeukemiaImmunology

Résumé

récupéré en direct d'OpenAlex

Microbial asparaginase is an essential component of chemotherapy for the treatment of childhood acute lymphoblastic leukemia (cALL). Silent hypersensitivity reactions to this microbial enzyme need to be monitored accurately during treatment to avoid adverse effects of the drug and its silent inactivation. Here, we present a dual-response anti-asparaginase sensor that combines indirect SPR and fluorescence on a single chip to perform ELISA-type immunosensing, and correlate measurements with classical ELISA. Analysis of serum samples from children undergoing cALL therapy revealed a clear correlation between single-chip indirect SPR/fluorescence immunosensing and ELISA used in clinical settings ( R 2 > 0.9). We also report that the portable SPR/fluorescence system had a better sensitivity than classical ELISA to detect antibodies in clinical samples with low antigenicity. This work demonstrates the reliability of dual sensing for monitoring clinically relevant antibody titers in clinical serum 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,107
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,271
Écart entre enseignants0,218 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS SensorsMême sujetPlasmonic and Surface Plasmon ResearchTravaux en français237 207