MétaCan
Menu
Retour à la cohorte
Enregistrement W2955795503 · doi:10.1111/tan.13619

Comparison of sequence‐specific oligonucleotide probe vs next generation sequencing for HLA‐A, B, C, DRB1, DRB3/B4/B5, DQA1, DQB1, DPA1, and DPB1 typing: Toward single‐pass high‐resolution HLA typing in support of solid organ and hematopoietic cell transplant programs

2019· article· en· W2955795503 sur OpenAlexaff
Anajane G. Smith, Shalini Pereira, Andrés Jaramillo, Scott T. Stoll, Faisal Khan, Noureddine Berka, Ahmed Mostafa, Marcelo J. Pando, Crystal Y. Usenko, Maria Bettinotti, Chul‐Woo Pyo, Wyatt C. Nelson, Amanda Willis, Medhat Askar, Daniel E. Geraghty

Notice bibliographique

RevueHLA · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal Transplantation Outcomes and Treatments
Établissements canadiensCalgary Laboratory ServicesAlberta Children's Hospital
Organismes subventionnairesNational Institutes of Health
Mots-clésGenotypingTypingHuman leukocyte antigenTurnaround timeSanger sequencingMultilocus sequence typingDNA sequencingBiologyPolymerase chain reactionHistocompatibility TestingComputational biologyGeneticsGenotypeComputer scienceAntigenDNAGene

Résumé

récupéré en direct d'OpenAlex

Many clinical laboratories supporting solid organ transplant programs use multiple HLA genotyping technologies, depending on individual laboratory needs. Sequence-specific primers and quantitative polymerase chain reaction (qPCR) serve the rapid turnaround necessary for deceased donor workup, while sequence-specific oligonucleotide probe (SSOP) technology is widely employed for higher volumes. When clinical need mandates high-resolution data, Sanger sequencing-based typing (SBT) has been the "gold standard." However, all those methods commonly yield ambiguous typing results that utilize valuable laboratory resources when resolution is required. In solid organ transplantation, high-resolution typing may provide critical information for highly sensitized patients with donor-specific anti-HLA antibodies (DSA), particularly when DSA involve HLA alleles not discriminated by SSOP typing. Arguments against routine use of SBT include assay complexity, long turnaround times (TAT), and increased costs. Here, we compare a next generation sequencing (NGS) technology with SSOP for accuracy, effort, turnaround time, and level of resolution for genotyping of 11 HLA loci among 289 specimens from five clinical laboratories. Results were concordant except for SSOP misassignments in eight specimens and 21 novel sequences uniquely identified by NGS. With few exceptions, SSOP generated ambiguous results while NGS provided unambiguous three-field allele assignments. For complete HLA genotyping of up to 24 samples by either SSOP or NGS, bench work was completed on day 1 and typing results were available on day 2. This study provides compelling evidence that, although not viable for STAT typing of deceased donors, a single-pass NGS HLA typing method has direct application for solid organ transplantation.

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 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 enseignants0,078
Score d'incertitude au seuil0,957

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,116
Tête enseignante GPT0,319
Écart entre enseignants0,204 · 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.

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

Citations53
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHLAMême sujetRenal Transplantation Outcomes and TreatmentsTravaux en français237 207