The use of intracellular dyes to create a multiplexed flow cytometry‐based red blood cell phenotyping assay
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Flow cytometry can be used to phenotype red blood cell antigens, allowing for high-throughput testing while using low reagent volumes. This article utilizes intracellular dyes to pre-label red blood cells to further multiplex flow cytometry-based red blood cell antigen phenotyping. MATERIALS AND METHODS: Red blood cells were pre-labelled using the intracellular dyes V450 and Oregon Green. These dyes are detected fluorescently via flow cytometry. Four combinations of intracellular staining were used to allow four patient or donor red blood cells to be analysed in a single test well. Antigen phenotyping was then performed via flow cytometry using a previously described method. RESULTS: The intracellular dyes showed uniform staining when measured in mean fluorescence intensity and allowed the red blood cells to be clearly distinguished from one another. The presence or absence of red blood cell antigens was determined with 100% accuracy. CONCLUSION: The use of intracellular dyes allowed a fourfold increase in the throughput of our previously described flow cytometry-based red blood cell antigen phenotyping method. The described method allows up to 48 patients to be simultaneously phenotyped using a single 96-well microplate. Furthermore, additional fluorescent dyes could potentially increase the throughput exponentially.
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 | 0,002 | 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».