A standardized immune phenotyping and automated data analysis platform for multicenter biomarker studies
Notice bibliographique
Résumé
The analysis and validation of flow cytometry-based biomarkers in clinical studies are limited by the lack of standardized protocols that are reproducible across multiple centers and suitable for use with either unfractionated blood or cryopreserved PBMCs. Here we report the development of a platform that standardizes a set of flow cytometry panels across multiple centers, with high reproducibility in blood or PBMCs from either healthy subjects or patients 100 days after hematopoietic stem cell transplantation. Inter-center comparisons of replicate samples showed low variation, with interindividual variation exceeding inter-center variation for most populations (coefficients of variability <20% and interclass correlation coefficients >0.75). Exceptions included low-abundance populations defined by markers with indistinct expression boundaries (e.g., plasmablasts, monocyte subsets) or populations defined by markers sensitive to cryopreservation, such as CD62L and CD45RA. Automated gating pipelines were developed and validated on an independent data set, revealing high Spearman's correlations (rs >0.9) with manual analyses. This workflow, which includes pre-formatted antibody cocktails, standardized protocols for acquisition, and validated automated analysis pipelines, can be readily implemented in multicenter clinical trials. This approach facilitates the collection of robust immune phenotyping data and comparison of data from independent studies.
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 | 0,016 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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 ».