Production and characterization of a murine anti-dal monoclonal antibody for blood typing in dogs
Notice bibliographique
Résumé
Considering the strong immunogenicity of the Dal antigen, and that > 98% of dogs, including blood donors, are Dal-positive, finding compatible blood for a previously transfused Dal-negative patient may be challenging. This is exacerbated by limited access to typing reagents, which currently rely on polyclonal antibodies (PAb) produced following sensitization of dogs. Therefore, the objective of this study was to produce and characterize an anti-Dal murine monoclonal antibody (MAb). Conventional hybridoma technology was used to produce MAb directed against canine red blood cells (cRBC). Briefly, female BALB/c mice were immunized via repeated intraperitoneal injections of washed Dal-positive cRBC (DEA 1,3,7 negative; DEA 4,5 positive) until serologic titers were sufficient (>1:1000). Following fusion with myeloma cells, 573 hybridoma cell culture supernatants were obtained and screened for MAb of interest using a gel column agglutination technique and known Dal-negative and Dal-positive cRBC. Fifteen supernatants led to cRBC agglutination, but only one had the desired pattern (i.e. anti-Dal). To assess its specificity and sensitivity, Dal blood typing of 62 canine EDTA-blood samples was performed using the anti-Dal MAb and two canine PAb: 45 Dal-positive and 17 Dal-negative were identified with 100% agreement between reagents (kappa =1). The anti-Dal MAb produced was further determined to be an IgG1. Conventional hybridoma technology, aided by a gel column technique, has enabled the production of a murine MAb specific against the canine Dal antigen. This will ensure long-term perennity of Dal blood typing, facilitate clinical management and research, as well as avoid resorting to repeat dog sensitization.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».