Evaluating the long-term biological stability of cytokine biomarkers in ocular fluid samples
Notice bibliographique
Résumé
PURPOSE: The quality of biological fluid samples is vital for optimal preanalytical procedures and a requirement for effective translational biomarker research. This study aims to determine the effects of storage duration and freeze-thawing on the levels of various cytokines in the human aqueous humour and vitreous samples. METHODS AND ANALYSIS: Human ocular aqueous humour and vitreous samples were obtained from 25 eyes and stored at -80°C for analysis. All samples were assayed for 27 cytokine biomarker concentrations (pg/mL) using a multiplex assay. Four sample storage durations following sample collection were evaluated (1 week, 3 months, 9 months and 15 months). Additionally, samples underwent up to three freeze-thaw cycles within the study period. RESULTS: Among the 27 cytokine biomarkers, concentrations of four cytokines (Interleukin (IL)-2, IL-10, IL-12 and platelet-derived growth factor-BB) were significantly decreased by storage duration at all time points, as early as 3 months following sample collection (range of 9%-37% decline between 1 week and 15 months, p<0.001). Freeze-thawing of up to three cycles did not significantly impact the cytokine biomarker concentrations in aqueous humour or vitreous. Separability of patient-specific cytokine biomarker profiles in the principal component analysis remained relatively the same over the 15 months of storage duration. CONCLUSION: The findings from this study suggest that several intraocular cytokine biomarkers in human aqueous humour and vitreous samples may be susceptible to degradation with long-term storage, as early as 3 months after collection. The overall patient-specific cytokine biomarker profiles are more stable than concentrations of individual cytokines. Future studies should focus on developing guidelines for optimal and standardised sample handling methods to ensure correct research findings about intraocular biomarkers are translated into clinical practice.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».