Deciphering the Autoantibody Response to the OJ Antigenic Complex
Notice bibliographique
Résumé
(1) Background: Myositis specific antibodies (MSA) are important diagnostic biomarkers. Among the rarest and most challenging MSA are anti-OJ antibodies which are associated with anti-synthetase syndrome (ASS). In contrast to the other tRNA synthetases that are targets of ASS autoantibodies (e.g Jo-1, PL-7, PL-12, EJ, KS, Zo), OJ represents a macromolecular complex with several ribonucleoprotein subunits. Therefore, the choice of the antigen in autoantibody assays can be challenging. (2) Methods: We collected two independent cohorts with anti-OJ antibodies, one based on a commercial line immunoassay (LIA) (n = 39), the second based on protein immunoprecipitation (IP) (n = 15). Samples were tested using a particle-based multi-analyte technology (PMAT) system that allows for the simultaneous detection of antibodies to various autoantigens. For the detection of anti-OJ antibodies, two different antigens were deployed (KARS, IARS) on PMAT. The reactivity to the two antigens KARS and IARS was analyzed individually and combined in a score (sum of the median fluorescence intensities). (3) Results: In the cohort selection based on LIA, 3/39 (7.7%) samples were positive for anti-KARS and 7/39 (17.9%) for anti-IARS and 14/39 (35.9%) when the two antigens were combined. In contrast, in samples selected by IP the sensitivity of anti-KARS was higher: 6/15 (40.0%) samples were positive for anti-KARS, 4/15 (26.7%) for anti-IARS and 12/15 (80.0%) for the combination of the two antigens. 18/39 (46.2%) of the LIA samples generated a cytoplasmic IIF pattern (compatible with anti-synthetase antibodies), but there was no association with the antibody levels, neither with LIA nor with PMAT. (4) Conclusions: The combination of IARS and KARS might represent a promising approach for the detection of anti-OJ antibodies on a fully automated platform.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».