MétaCan
Menu
Retour à la cohorte
Enregistrement W3171754953 · doi:10.1093/glycob/cwab050

Robustness and repeatability of GlycoWorks RapiFluor-MS IgG <i>N</i>-glycan profiling in a long-term high-throughput glycomic study

2021· article· en· W3171754953 sur OpenAlexfundno aff
Helena Deriš, Ana Cindrić, Matthew Lauber, Tea Petrović, Alicia Bielik, Christopher H. Taron, Marleen van Wingerden, Gordan Lauc, Irena Trbojević‐Akmačić

Notice bibliographique

RevueGlycobiology · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGlycosylation and Glycoproteins Research
Établissements canadiensnon disponible
Organismes subventionnairesCanada First Research Excellence Fund
Mots-clésGlycomeGlycanGlycosylationGlycomicsChemistryRepeatabilityBiomarker discoveryImmunoglobulin GChromatographyGlycoproteinBiochemistryAntibodyProteomicsBiologyImmunologyGene

Résumé

récupéré en direct d'OpenAlex

Protein glycosylation is the attachment of a carbohydrate moiety to a protein backbone affecting both structure and function of the protein. Abnormal glycosylation is associated with various diseases, and some of the changes in glycosylation are detectable even before symptom development. As such, glycans have emerged as compelling new biomarker candidates. A wide range of analytical methods exist for small-scale glycan analyses. However, there is a growing need for highly robust and reproducible high-throughput techniques that allow for large-scale glycoprofiling. Here, we describe the evaluation of robustness and repeatability of immunoglobulin G (IgG) N-glycan analysis using the GlycoWorks RapiFluor-MS N-Glycan Kit followed by hydrophilic interaction ultra-high-performance liquid chromatography (HILIC-UHPLC) from 335 technical replicates of human plasma randomly distributed across 67 96-well plates. The data was collected over a 5-month period using multiple UHPLC systems and chromatographic columns. Following relative IgG N-glycan quantification in acquired chromatograms, data analysis showed that the most abundant peaks that together made up for three-fourths of the detected IgG N-glycome all had coefficients of variation (CVs) lower than 2%. The highest CVs ranging from 16 to 29% accompanied low abundance glycan peaks with the individual relative peak area below 1% that together made up for <2% of the detected IgG N-glycome. These results show that the tested method is very robust and repeatable, making it suitable for the IgG N-glycan analysis of a large number of samples in a high-throughput manner over a longer period of time.

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)0,008
score de la tête « metaresearch » (Gemma)0,009
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: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,286
Écart entre enseignants0,273 · 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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlycobiologyMême sujetGlycosylation and Glycoproteins ResearchTravaux en français237 207