nELISA: A high-throughput, high-plex platform enables quantitative profiling of the inflammatory secretome
Notice bibliographique
Résumé
We present the nELISA, a high-throughput, high-fidelity, and high-plex protein profiling platform. DNA oligonucleotides are used to pre-assemble antibody pairs on spectrally encoded microparticles and perform displacement-mediated detection. Spatial separation between non-cognate antibodies prevents the rise of reagent-driven cross-reactivity, while read-out is performed cost-efficiently and at high-throughput using flow cytometry. nELISA can measure both protein concentration and their post-translational modifications. We assembled an inflammatory panel of 191 targets that were multiplexed without cross-reactivity nor impact on performance vs 1-plex signals, with sensitivities as low as 0.1 pg/mL and measurements spanning 7 orders of magnitude. We then performed a large-scale inflammatory-secretome perturbation screen of peripheral blood mononuclear cells (PBMCs), with cytokines as both perturbagens and readouts, measuring 7,392 samples and generating ~1.4M protein data points in under a week; a significant advance in throughput compared to other highly multiplexed immunoassays. We uncovered 447 significant cytokine responses, including multiple putatively novel ones, that were conserved across donors and stimulation conditions. We validate nELISA for phenotypic screening, where its capacity to faithfully report hundreds of proteins make it a powerful tool across multiple stages of drug discovery.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».