mRNA Biomarkers in Dried Blood Spots May Improve Detection of Autologous Blood Micro‐Transfusions Using an Individualized Approach
Notice bibliographique
Résumé
ABSTRACT Autologous blood transfusions (ABTs) are prohibited by the World Anti‐Doping Agency (WADA), yet detecting autologous blood micro‐transfusions (ABMTs) remains a challenge. Due to smaller transfused volumes, ABMTs cause attenuated biomarker changes, limiting detection sensitivity within the Athlete Biological Passport (ABP). This study assessed whether mRNA expression of 5‐aminolevulinic acid synthase ( ALAS2 ) and carbonic anhydrase 1 ( CA1 ), measured from dried blood spots (DBS), could serve as sensitive biomarkers of ABMT. In a randomized, placebo‐controlled design, 47 trained individuals (24 ♀; mean VO 2 peak 56 ± 7 mL·min −1 ·kg −1 ) were allocated to an ABMT group ( n = 23; ♀ = 12) or placebo group ( n = 24; ♀ = 12). The ABMT group donated 450 mL of blood and received a 130 mL packed red blood cell reinfusion 4 weeks later. Blood sampling occurred regularly before and after both donation and reinfusion. ALAS2 and CA1 mRNA expression from DBS, and reticulocyte percentage (RET%) from venous blood, were analyzed. Following blood donation, ALAS2 , CA1 , and RET% increased by 270%, 200%, and 150%, respectively. However, no consistent group‐level changes were observed after ABMT. Individualized analysis identified more outliers for ALAS2 than for CA1 , and blinded interpretation of individual mRNA profiles achieved > 95% sensitivity and specificity for detecting ABMT. These findings suggest that ALAS2 mRNA expression, assessed via minimally invasive DBS sampling, is a promising biomarker for identifying ABMT. This approach may enhance current anti‐doping strategies by improving sensitivity to small‐volume autologous transfusions that evade detection through traditional ABP biomarkers.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».