Concentration Determination of >200 Proteins in Dried Blood Spots for Biomarker Discovery and Validation
Notice bibliographique
Résumé
The use of protein biomarkers as surrogates for clinical endpoints requires extensive multilevel validation including development of robust and sensitive assays for precise measurement of protein concentration. Multiple reaction monitoring (MRM) is a well-established mass-spectrometric method that can be used for reproducible protein-concentration measurements in biological specimens collected via microsampling. The dried blood spot (DBS) microsampling technique can be performed non-invasively without the expertise of a phlebotomist, and can enhance analyte stability which facilitate the application of this technique in retrospective studies while providing lower storage and shipping costs, because cold-chain logistics can be eliminated. Thus, precise, sensitive, and multiplexed methods for measuring protein concentrations in DBSs can be used for de novo biomarker discovery and for biomarker quantification or verification experiments. To achieve this goal, MRM assays were developed for multiplexed concentration measurement of proteins in DBSs. The lower limit of quantification (LLOQ) was found to have a median total coefficient of variation (CV) of 18% for 245 proteins, whereas the median LLOQ was 5 fmol of peptide injected on column, and the median inter-day CV over 4 days for measuring endogenous protein concentration was 8%. The majority (88%) of the assays displayed parallelism, whereas the peptide standards remained stable throughout the assay workflow and after exposure to multiple freeze-thaw cycles. For 190 proteins, the measured protein concentrations remained stable in DBS stored at ambient laboratory temperature for up to 2 months. Finally, the developed assays were used to measure the concentration ranges for 200 proteins in twenty same sex, same race and age matched individuals.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».