MétaCan
Menu
Retour à la cohorte
Enregistrement W2979940307 · doi:10.1074/mcp.ra119.001677

NIST Interlaboratory Study on Glycosylation Analysis of Monoclonal Antibodies: Comparison of Results from Diverse Analytical Methods

2019· article· en· W2979940307 sur OpenAlexafffund
Maria Lorna A. De Leoz, David L. Duewer, Adam Fung, Lily Liu, Hoi Kei Yau, Oscar G. Potter, Gregory O. Staples, Kenichiro Furuki, Ruth Frenkel, Yunli Hu, Zoran Sosic, Peiqing Zhang, Friedrich Altmann, Clemens Grunwald-Grube, Chun Shao, Joseph Zaia, Waltraud Evers, Stuart Pengelley, Detlev Suckau, Anja Wiechmann, Anja Resemann, Wolfgang Jabs, Alain Beck, John W. Froehlich, Chuncui Huang, Yan Li, Yaming Liu, Shiwei Sun, Yaojun Wang, Youngsuk Seo, Hyun Joo An, Niels‐Christian Reichardt, Juan Echevarria Ruiz, Stephanie Archer‐Hartmann, Parastoo Azadi, Len Bell, Zsuzsanna Lakos, Yanming An, John F. Cipollo, Maja Pučić‐Baković, Jerko Štambuk, Gordan Lauc, Xu Li, Peng George Wang, Andreas Böck, René Hennig, Erdmann Rapp, Marybeth Creskey, Terry D. Cyr, Miyako Nakano, Taiki Sugiyama, Pui‐king Amy Leung, Paweł Link‐Lenczowski, Jolanta Jaworek, Shuang Yang, Hui Zhang, Tim Kelly, Song Klapoetke, Rui Cao, Jin Young Kim, Hyun Kyoung Lee, Ju Yeon Lee, Jong Shin Yoo, Sa‐rang Kim, Soo‐Kyung Suh, Noortje de Haan, David Falck, Guinevere S. M. Lageveen‐Kammeijer, Manfred Wuhrer, R. J. Neil Emery, Radoslaw P. Kozak, Li Phing Liew, Louise Royle, Paulina A. Urbanowicz, Nicolle H. Packer, Xiaomin Song, Arun Everest‐Dass, Erika Lattová, Samanta Cajic, Kathirvel Alagesan, Daniel Kolarich, Toyin Kasali, Viv Lindo, Yuetian Chen, Kudrat Goswami, Brian Gau, Ravi Amunugama, R. Brad Jones, Corné J.M. Stroop, Koichi Kato, Hirokazu Yagi, Sachiko Kondo, C-T. Yuen, Akira Harazono, Xiaofeng Shi, Paula Magnelli, Brian Kasper, Lara K. Mahal, David J. Harvey, Róisín O’Flaherty, Pauline M. Rudd, Radka Saldova, Elizabeth S. Hecht, David C. Muddiman, Jichao Kang, Prachi Bhoskar, Daniele Menard, Andrew Saati, Christine Merle, Steven W. Mast, Sam Tep, Jennie Truong, Takashi Nishikaze, Sadanori Sekiya, Aaron B. A. Shafer, Sohei Funaoka, Masaaki Toyoda, Peter de Vreugd, Cassie Caron, Pralima Pradhan, Niclas Chiang Tan, Yehia Mechref, Sachin Patil, Jeffrey S. Rohrer, Ranjan Chakrabarti, Disha Dadke, Mohammedazam Lahori, Chunxia Zou, Christopher W. Cairo, Béla Reiz, Randy M. Whittal, Carlito B. Lebrilla, Lauren Wu, András Guttman, Márton Szigeti, Benjamin G. Kremkow, Kelvin H. Lee, Carina Sihlbom, B Adamczyk, Chunsheng Jin, Niclas G. Karlsson, Jessica Örnros, Göran Larson, Jonas Nilsson, Bernd Meyer, Alena Wiegandt, Emy Komatsu, Hélène Perreault, Edward Bodnar, Nassur Saïd, Yannis‐Nicolas François, Emmanuelle Leize‐Wagner, Sandra Maier, Anne Zeck, Albert J. R. Heck, Yang Yang, Rob Haselberg, Ying Yu, William R. Alley, Joseph W. Leone, Hua Yuan, Stephen E. Stein

Notice bibliographique

RevueMolecular & Cellular Proteomics · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGlycosylation and Glycoproteins Research
Établissements canadiensUniversity of ManitobaAlberta Glycomics CentreUniversity of AlbertaHealth Canada
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesÖsterreichische ForschungsförderungsgesellschaftVetenskapsrådetNational Research Foundation of KoreaAlberta Glycomics CentreMagyarország KormányaChinese Academy of SciencesNational Cancer InstituteSvenska Forskningsrådet FormasHealth CanadaNational Natural Science Foundation of ChinaGovernment of CanadaDeutsche ForschungsgemeinschaftEuropean CommissionARC Centre for Nanoscale BioPhotonicsNational Institute of General Medical SciencesBundesministerium für Bildung und ForschungNational Institutes of HealthSage TherapeuticsScience Foundation IrelandTexas Tech University
Mots-clésNISTMonoclonal antibodyGlycosylationComputational biologyChemistryAntibodyBiochemistryBiologyComputer scienceImmunology

Résumé

récupéré en direct d'OpenAlex

Glycosylation is a topic of intense current interest in the development of biopharmaceuticals because it is related to drug safety and efficacy. This work describes results of an interlaboratory study on the glycosylation of the Primary Sample (PS) of NISTmAb, a monoclonal antibody reference material. Seventy-six laboratories from industry, university, research, government, and hospital sectors in Europe, North America, Asia, and Australia submitted a total of 103 reports on glycan distributions. The principal objective of this study was to report and compare results for the full range of analytical methods presently used in the glycosylation analysis of mAbs. Therefore, participation was unrestricted, with laboratories choosing their own measurement techniques. Protein glycosylation was determined in various ways, including at the level of intact mAb, protein fragments, glycopeptides, or released glycans, using a wide variety of methods for derivatization, separation, identification, and quantification. Consequently, the diversity of results was enormous, with the number of glycan compositions identified by each laboratory ranging from 4 to 48. In total, one hundred sixteen glycan compositions were reported, of which 57 compositions could be assigned consensus abundance values. These consensus medians provide community-derived values for NISTmAb PS. Agreement with the consensus medians did not depend on the specific method or laboratory type. The study provides a view of the current state-of-the-art for biologic glycosylation measurement and suggests a clear need for harmonization of glycosylation analysis methods.

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)0,038
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,200

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0380,030
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,030
Tête enseignante GPT0,373
Écart entre enseignants0,342 · 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'étudeObservationnel
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

Citations125
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMolecular & Cellular ProteomicsMême sujetGlycosylation and Glycoproteins ResearchTravaux en français237 207