Towards a robust test to detect gene doping for anabolic enhancement in human athletes
Notice bibliographique
Résumé
Success in gene therapy in treating human disease makes this technology attractive to enhance athletic performance, creating the need for gene doping detection. In 2021, World Anti-Doping Agency (WADA) approved the first gene doping test. Here, we describe a new method to detect doping with four additional genes, follistatin, growth hormone 1, growth hormone-releasing hormone and insulin-like growth factor 1, that may improve performance by increasing muscle size and strength. The method utilises four hydrolysis probe-based polymerase chain reaction (PCR) assays that target the transgenes based on the coding sequence of the four endogenous genes. The assays are specific, reproducible and capable to detect five copies of transgene in the presence of very similar endogenous gene in 25,000 times excess. To underpin reliable and comparable routine method performance by doping testing laboratories, a synthetic reference material for the method was designed and generated following the ISO Guide 35. The complete method was validated in blood samples using plasma as extraction matrix and QIAamp DNA blood midi DNA extraction kit. All blood samples from different donors (n = 8) simulated to be negative or positive (1500 transgene copies spiked per millilitre of blood) for the transgenes were reported correctly. The new method that targets four additional genes will extend the capabilities of laboratories involved in doping control to protect athletes' health, fairness and equality.
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 | 0,000 |
| 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 ».