MétaCan
Menu
Retour à la cohorte
Enregistrement W4411318401 · doi:10.1101/2025.06.11.25329425

Standardizing Nasal Fluid Processing for Respiratory Biomarker Analysis: A Comparative Study of Homogenization and Storage Methods

2025· preprint· en· W4411318401 sur OpenAlexaff
Tanya Lupancu, Carley Xia, Eldin Rostom, Adam M. Damry

Notice bibliographique

RevuemedRxiv · 2025
Typepreprint
Langueen
DomaineEngineering
ThématiqueAdvanced Chemical Sensor Technologies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésHomogenization (climate)Respiratory systemComputer scienceMedicineInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Background Nasal fluid is a valuable medium for biomarker analysis in respiratory diseases due to its accessibility and proximity to relevant pathophysiological processes. However, its heterogeneous nature presents challenges for consistent biomarker detection and quantification. This study aimed to improve protein biomarker recovery and reliability by evaluating different homogenization and storage methods for nasal fluid samples. Methods Mechanical disruption techniques using syringes and commercial BioMasher units were compared for their effectiveness in analyte recovery, and the impact of pre- and post-processing of cryogenically stored nasal samples was assessed. Inflammatory protein biomarkers relevant to respiratory diseases, including interleukin (IL)-13, IL-8/ CXCL8, myeloperoxidase (MPO), CCL11/ eotaxin-1, CCL26/ eotaxin-3, elastase, myxovirus resistance protein 1 (MxA), CCL17/ TARC, CXCL10/ IP-10), and serum amyloid A (SAA), were successfully detected in the processed nasal fluid by ELISA and Luminex assays. Results Significant differences in analyte recovery were observed between homogenization methods, with greater titers of IL-5 and eotaxin-1 measured in samples processed by the syringing method. However, homogenization could be performed either before or after long-term cryogenic storage without significantly affecting protein concentrations. Spike and recovery experiments were also conducted and differences in SAA protein recovery were detected, suggesting that the matrix effects in nasal fluid can affect cytokine recovery, but variations in recovery were not significant for other biomarkers tested. Conclusions These findings demonstrate the potential of nasal fluid as a readily accessible medium with substantial potential to aid diagnosis and monitoring of respiratory diseases. However, given the significant impact homogenization protocols had on analyte recovery, the growing use of nasal fluid as a biospecimen in the respiratory field highlights the critical need for standardized protocol to ensure accuracy and reproducibility in future 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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,337
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,064
Tête enseignante GPT0,382
Écart entre enseignants0,318 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetAdvanced Chemical Sensor TechnologiesTravaux en français237 207