Reverse–normal immunopurification: An effective approach for purifying recombinant erythropoietin from its analogues in doping analysis
Notice bibliographique
Résumé
BACKGROUND: Recombinant erythropoietin (rEPO) is commonly used in therapy but may be abused in sports to enhance endurance. In doping analysis, rEPO can be detected in human urine or blood samples at picogram (pg) levels based on its slightly higher molecular weight (MW) than that of endogenous EPO using western blotting (WB). However, a type of variant erythropoietin (VAR-EPO) encoded by the EPO c.577del variant has a similar MW to rEPO, and these 2 molecules cannot be distinguished using conventional analytical methods. A fit-for-purpose method needs to be developed immediately. METHODS: In this study, we introduced a reverse-normal immunopurification technique for sample pretreatment to remove VAR-EPO from samples to eliminate its interference with rEPO detection. Firstly, a rabbit monoclonal antibody (mAb) that can specifically recognize trace amounts of VAR-EPO with high affinity was generated. Then, using this antibody to enrich VAR-EPO, we developed reverse-normal immunopurification coupled with WB on the purpose of analyzing rEPO in urine and serum samples. Next, the method was fully validated and evaluated using blank samples, spiked samples and rEPO excreted samples. Finally, the identification criteria of rEPO was established. RESULTS: A specific anti-VAR mAb with high affinity was developed. Using it, we developed the doping analytical method for rEPO. Our method effectively detects and removes VAR-EPO, enabling accurate rEPO detection. CONCLUSION: A method has already been applied for rEPO confirmation in routine doping analyses.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».