MétaCan
Menu
Retour à la cohorte
Enregistrement W3003639078 · doi:10.1016/j.omtm.2020.01.009

A Rapid and Sensitive Nucleic Acid Amplification Technique for Mycoplasma Screening of Cell Therapy Products

2020· article· en· W3003639078 sur OpenAlexafffundabout
Lisa Dreolini, Mark R. Cullen, Eric Yung, Lawrence Laird, John R. Webb, Brad H. Nelson, Kevin A. Hay, Miruna Balasundaram, Natasha Kekre, Robert A. Holt

Notice bibliographique

RevueMolecular Therapy — Methods & Clinical Development · 2020
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueMicrobial infections and disease research
Établissements canadiensTerry Fox Research InstituteSimon Fraser UniversityOttawa HospitalUniversity of British ColumbiaUniversity of VictoriaCanada's Michael Smith Genome Sciences Centre
Organismes subventionnairesNetworks of Centres of Excellence of CanadaBC Cancer FoundationCanada Foundation for Innovation
Mots-clésMycoplasmaNucleic acidNatgenomic DNABiologyMicrobiologyDNAVirologyComputational biologyGeneticsComputer science

Résumé

récupéré en direct d'OpenAlex

Mycoplasma species (spp.) bacteria can infect cell cultures, posing a potential threat to recipients of cell therapy products. Conventional Mycoplasma testing methods are highly sensitive but typically require a minimum of 28 days to produce results. This delay is problematic if rapid results are needed to inform treatment decisions. Nucleic acid amplification technique (NAT) methods have been gaining favor for Mycoplasma testing due to their speed and specificity; however, they must first be qualified as meeting or exceeding the sensitivity of the compendial method. We present herein a NAT method for the detection of Mycoplasma that circumvents the need for live Mycoplasma spp. in the test procedure by instead being qualified using Mycoplasma spp. genomic DNA. We have demonstrated a lower limit of detection that exceeds the regulatory requirements set by Health Canada. This assay is now being used to screen clinical cell therapy products manufactured at our center.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
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 recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,004

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 Opus0,128
Tête enseignante GPT0,409
Écart entre enseignants0,281 · 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

Citations31
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMolecular Therapy — Methods & Clinical DevelopmentMême sujetMicrobial infections and disease researchTravaux en français237 207