MétaCan
Menu
Retour à la cohorte
Enregistrement W2782597408 · doi:10.1373/clinchem.2017.282319

Resolution of Spurious Immunonephelometric IgG Subclass Measurement Discrepancies by LC-MS/MS

2018· article· en· W2782597408 sur OpenAlexaff
Grace van der Gugten, Mari L. DeMarco, Luke Y. C. Chen, Alex Chin, Mollie N. Carruthers, Daniel T. Holmes, André Mattman

Notice bibliographique

RevueClinical Chemistry · 2018
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueImmunodeficiency and Autoimmune Disorders
Établissements canadiensCalgary Laboratory ServicesUniversity of CalgaryVancouver General HospitalUniversity of British ColumbiaSt. Paul's Hospital
Organismes subventionnairesnon disponible
Mots-clésSubclassChemistryImmunoglobulin GAntibodyChromatographyHeavy chainImmunoglobulin heavy chainImmunologyBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The Binding Site immunonephelometric (IN) IgG subclass reagents (IgG1, IgG2, IgG3, IgG, BSIN) are used for assessment of both immunodeficiency and IgG4-related disease (IgG4-RD). In our laboratory, suspected analytic errors were noted in patients with increases in IgG4: The sum of the individual IgG subclasses was substantially greater than the measured total IgG concentrations (unlike samples with normal IgG4), and the IgG4 concentration was always less than the IgG2 concentration. METHODS: We developed a tryptic digest LC-MS/MS method to quantify IgG1, IgG2, IgG3, and IgG4 in serum. Samples with IgG4 concentrations ranging from <0.03 g/L to 32 g/L were reanalyzed by LC-MS/MS, and a subset was also reanalyzed by Siemens IN (SIN) subclass measurements. RESULTS: Multivariate linear regression identified 3 subclass tests with multiple predictors of the measured subclass concentration. For these 3 subclasses, the predominant predictors were (in terms of LC-MS/MS IgG subclass measurement coefficients) BSIN IgG1 = 0.89·IgG1 + 0.4·IgG4; BSIN IgG2 = 0.94·IgG4 + 0.89·IgG2; and SIN IgG2 = 0.72·IgG2 + 0.24·IgG4. CONCLUSIONS: There is apparent IgG4 cross-reactivity with select IN subclass measurements affecting tests from both vendors tested. These findings can be explained either by direct cross-reactivity of the IN reagents with the IgG4 subclass or unique physicochemical properties of IgG4 that permit nonspecific binding of IgG4 heavy chain to other IgG immunoglobulin heavy chains. Irrespective of the mechanism, the observed intermethod discrepancies support the use of LC-MS/MS as the preferred method for measurement of IgG subclasses when testing patients with suspected IgG4-RD.

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)0,008
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 enseignants0,006
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,030
Tête enseignante GPT0,288
Écart entre enseignants0,259 · 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

Citations50
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical ChemistryMême sujetImmunodeficiency and Autoimmune DisordersTravaux en français237 207