Interlaboratory comparison of high-throughput protein biomarker assay quantifications for radiation exposure classification
Notice bibliographique
Résumé
In the event of a widespread radiological incident, thousands of individuals will require rapid assessment of exposure using validated biodosimetry assays to inform clinical triage. In this scenario, multiple biodosimetry laboratories may be necessary for large-volume sample processing. To meet this need, we have developed a high-throughput assay for the rapid measurement of intracellular protein biomarkers in human peripheral blood samples using an Imaging Flow Cytometry (IFC) platform. The objective of this work was to harmonize and validate the reproducibility of our blood biomarker assay for radiation exposure across three IFC instruments, two located at Columbia University (CU) and the third at Health Canada. The Center for Radiological Research (CRR) at CU served as the central laboratory and reference instrument, where samples were prepared in triplicate, labeled with two radiation responsive leukocyte biomarkers (BAX and phosphor-p53 (Ser37)), and distributed for simultaneous interrogation by each IFC. Initial tests showed that significantly different baseline biomarker measurements were generated on each instrument when using the same acquisition settings, suggesting that harmonization of signal intensities is necessary. Subsequent tests harmonized biomarker measurements after irradiation by modulating laser intensity using two reference materials: unstained samples and standardized rainbow beads. Both methods generated measurements on each instrument without significant differences between the new and references instruments, allowing for the use of one master template to quantify biomarker expression across multiple instruments. Deming regression analyses of 0-5 Gy dose-response curves showed overall good correlation of BAX and p53 values across new and reference instruments. While Bland-Altman analyses indicated low to moderate instrument biases, ROC Curve analyses ultimately show successful discrimination between exposed and unexposed samples on each instrument (AUC values > 0.85).
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 | 0,038 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 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 ».