Rapid In-Process Monitoring of Lentiviral Vector Particles by High-Performance Liquid Chromatography
Notice bibliographique
Résumé
Lentiviral vectors (LVs) are a popular gene delivery tool in cell and gene therapy and they are a primary tool for ex vivo transduction of T cells for expression of chimeric antigen receptor (CAR) in CAR-T cell therapies. Extensive process and product characterization are required in manufacturing virus-based gene vectors to better control batch-to-batch variability. However, it has been an ongoing challenge to make quantitative assessments of LV product because current analytical tools often are low throughput and lack robustness and standardization is still required. This paper presents a high-throughput and robust physico-chemical characterization method that directly assesses total LV particles. With simple sample preparation and fast elution time (6.24 min) of the LV peak in 440 mM NaCl (in 20 mM Tris-HCl [pH 7.5]), this ion exchange high-performance liquid chromatography (IEX-HPLC) method is ideal for routine in-process monitoring to facilitate the development of scalable and robust LV manufacturing processes. Furthermore, this HPLC method is suitable for the analysis of all in-process samples, from crude samples such as LV supernatants to final purified products. The linearity range of the standard curve is 3.13 × 10 8 to 1.0 × 10 10 total particles/mL, and both the intra- and inter-assay variabilities are less than 5%.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».