Antibody-independent surface plasmon resonance assays for influenza vaccine quality control
Notice bibliographique
Résumé
Surface plasmon resonance (SPR)-based biosensors have emerged as a powerful platform for bioprocess monitoring due to their ability to detect biointeractions in real time, without the need for labeling. Paramount for the development of a robust detection platform is the immobilization of a ligand with high specificity and affinity for the in-solution species of interest. Following the 2009 H1N1 pandemic, much effort has been made toward the development of quality control platforms for influenza A vaccine productions, many of which have employed SPR for detection. Due to the rapid antigenic drift of influenza's principal surface protein, hemagglutinin, antibodies used for immunoassays need to be produced seasonally. The production of these antibodies represents a 6-8-week delay in immunoassay and, thus, vaccine availability. This review focuses on SPR-based assays that do not rely on anti-HA antibodies for the detection, characterization, and quantification of influenza A in bioproductions and biological samples. KEY POINTS: • The single radial immunodiffusion assay (SRID) has been the gold standard for the quantification of influenza vaccines since 1979. Due to antigenic drift of influenza's hemagglutinin protein, new antibody reagents for the SRID assay must be produced each year, requiring 6-8 weeks. The resulting delay in immunoassay availability is a major bottleneck in the influenza vaccine pipeline. This review highlights ligand options for the detection and quantification of influenza viruses using surface plasmon resonance biosensors.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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 ».