MétaCan
Menu
Retour à la cohorte
Enregistrement W2772577952 · doi:10.1002/prca.201700120

Detection of the Human Anti‐ActRII Antibody Bimagrumab in Serum by Means of Affinity Purification, Tryptic Digestion, and LC‐HRMS

2017· article· en· W2772577952 sur OpenAlexfundno aff
Katja Walpurgis, Andreas Thomas, Frank Dellanna, Wilhelm Schänzer, Mario Thevis

Notice bibliographique

RevuePROTEOMICS - CLINICAL APPLICATIONS · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle Physiology and Disorders
Établissements canadiensnon disponible
Organismes subventionnairesWorld Anti-Doping Agency
Mots-clésAmmonium sulfate precipitationAntibodyChromatographyChemistryComputational biologyMedicineBiochemistryBiologyImmunology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Inhibitors of the ActRII signaling pathways represent promising therapeutics for the treatment of muscular diseases, but also pose risks as performance-enhancing agents in sports. Bimagrumab is a human anti-ActRII antibody which was found to increase muscle mass and function by blocking ActRII signaling. As it has considerable potential for being misused as doping agent in sports, the aim of this study was to develop a mass spectrometric detection assay for doping control serum samples. EXPERIMENTAL DESIGN: Within this study, a detection method for Bimagrumab in human serum was developed, which combines ammonium sulfate precipitation and affinity purification with proteolytic digestion and LC-HRMS. To facilitate the unambiguous identification of the diagnostic peptides, an orthogonal IM separation was additionally performed. RESULTS: The assay was successfully validated and the analysis of clinical samples demonstrated its fitness for purpose for an application in routine doping control analysis. CONCLUSIONS AND CLINICAL RELEVANCE: Although no myostatin inhibitors have obtained clinical approval yet, the proactive development of detection methods for emerging doping agents represents a key aspect of preventive doping research. The presented approach will expand the range of available tests for novel protein therapeutics and can readily be modified to include further target analytes.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,340
Écart entre enseignants0,321 · 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
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

Citations22
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePROTEOMICS - CLINICAL APPLICATIONSMême sujetMuscle Physiology and DisordersTravaux en français237 207