MétaCan
Menu
Retour à la cohorte
Enregistrement W4229454042 · doi:10.1208/s12248-022-00707-z

Biomarker Assay Validation by Mass Spectrometry

2022· article· en· W4229454042 sur OpenAlexaff
Carmen Fernández‐Metzler, Brad Ackermann, Fabio Garofolo, Mark E. Arnold, Binodh DeSilva, Huidong Gu, Omar Laterza, Yan Mao, Mark J. Rose, Faye Vazvaei‐Smith, Rick C. Steenwyk

Notice bibliographique

RevueThe AAPS Journal · 2022
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueBiosimilars and Bioanalytical Methods
Établissements canadiensVancouver Native Health Society
Organismes subventionnairesnon disponible
Mots-clésBiomarkerBioanalysisContext (archaeology)Biomarker discoveryComputational biologyChemistryChromatographyProteomicsBiology

Résumé

récupéré en direct d'OpenAlex

Decades of discussion and publication have gone into the guidance from the scientific community and the regulatory agencies on the use and validation of pharmacokinetic and toxicokinetic assays by chromatographic and ligand binding assays for the measurement of drugs and metabolites. These assay validations are well described in the FDA Guidance on Bioanalytical Methods Validation (BMV, 2018). While the BMV included biomarker assay validation, the focus was on understanding the challenges posed in validating biomarker assays and the importance of having reliable biomarker assays when used for regulatory submissions, rather than definition of the appropriate experiments to be performed. Different from PK bioanalysis, analysis of biomarkers can be challenging due to the presence of target analyte(s) in the control matrices used for calibrator and quality control sample preparation, and greater difficulty in procuring appropriate reference standards representative of the endogenous molecule. Several papers have been published offering recommendations for biomarker assay validation. The situational nature of biomarker applications necessitates fit-for-purpose (FFP) assay validation. A unifying theme for FFP analysis is that method validation requirements be consistent with the proposed context of use (COU) for any given biomarker. This communication provides specific recommendations for biomarker assay validation (BAV) by LC-MS, for both small and large molecule biomarkers. The consensus recommendations include creation of a validation plan that contains definition of the COU of the assay, use of the PK assay validation elements that support the COU, and definition of assay validation elements adapted to fit biomarker assays and the acceptance criteria for both.

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)0,048
score de la tête « metaresearch » (Gemma)0,063
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,255

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0480,063
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0110,004
Études des sciences et des technologies0,0020,004
Communication savante0,0060,004
Science ouverte0,0040,005
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,011

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 Opus0,024
Tête enseignante GPT0,284
Écart entre enseignants0,260 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe AAPS JournalMême sujetBiosimilars and Bioanalytical MethodsTravaux en français237 207