Multi-laboratory validation of the xMAP—Food Allergen Detection Assay: A multiplex, antibody-based assay for the simultaneous detection of food allergens
Notice bibliographique
Résumé
The increasing prevalence of individuals with multiple food allergies and the need to distinguish between foods containing homologous, cross-reactive proteins have made the use of single-analyte antibody-based methods (e.g., ELISAs) sometimes insufficient. These issues have resulted in the need to conduct multiple analyses and sometimes employ orthogonal methods like mass spectrometry or DNA-based methods for confirmatory purposes. The xMAP Food Allergen Detection Assay (xMAP FADA) was developed to solve this problem while also providing increased throughput and a modular design suitable for adapting to changes in analytical needs. The use of built-in redundancy provides the xMAP FADA with built-in confirmatory analytical capability by including complementary antibody bead sets and secondary analytical end points (e.g., ratio analysis and multi-antibody profiling). A measure of a method's utility is its performance when employed by analysts of varying expertise in multiple laboratory environments. To gauge this aspect, a multi-laboratory validation (MLV) was conducted with 11 participants of different levels of proficiency. The MLV entailed the analysis of incurred food samples in four problematic food matrices, meat sausage, orange juice, baked muffins, and dark chocolate. Except for a couple of instances, involving two confirmatory components in the analysis of baked muffins, the allergenic foods were detected by all participants at concentrations in the analytical samples comparable to ≤ 10 μg/g in the original food sample. In addition, despite high levels of inter-lab variance in the absolute intensities of the responses, the intra-laboratory reproducibility was sufficient to support analyses based on the calibration standards and direct comparison controls (DCCs) analyzed alongside the samples. In contrast, ratio analyses displayed inter-laboratory %CV (RSDR) values < 20%; presumably because the ratios are based on inherent properties of the antigenic elements. The excellent performance of the xMAP FADA when performed by analysts of varying proficiency indicates a reliability sufficient to meet analytical needs.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».