Expediting adenovirus titer assays via an algorithmic live-cell imaging technique
Notice bibliographique
Résumé
Interest in virus-based therapeutics for the treatment of genetic and oncolytic diseases has created a demand for high-yield, low-cost virus-manufacturing processes. However, traditional analytical methods of assessing infectious virus titer require multiple processing steps and manual counting, limiting sample throughput, and increasing human error. This bottleneck severely limits the development of new manufacturing unit operations to drive down costs. In this work, we utilize an Incucyte Live-Cell Analysis System to develop a high-throughput infectious titer assay for adenovirus expressing a GFP-transgene. Although previous studies have demonstrated live-cell imaging's potential for use with other viruses, they provide little guidance regarding the selection of the viewing and analysis parameters. To fill this gap, we develop an algorithmic approach to identify the optimum viewing and analysis parameters and create a statistical workflow for quantifying infectious adenovirus in a sample dilution series in a standard 24-well microplate. The developed assay is comparable to Hexon staining, the gold-standard for adenovirus infectious titer, with a Pearson correlation coefficient of 0.9. Finally, the developed algorithmic approach and statistical workflow were applied to create an assay for adenovirus titer using a 96-well microplate, allowing five times more samples to be quantified compared to the standard 24-well plate. While this assay uses a GFP-insert that precludes its use in a clinical environment, the key learnings surrounding the careful use of viewing and analysis parameters, and the statistical workflow are widely applicable to implementing life-cell imaging for dilution-series-based assays. Moreover, this method directly enables the fast and accurate evaluation of virus samples in a preclinical environment.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».