Long‐read <scp>DNA</scp> sequencing resolves a rare case of alloimmune hemolysis mimicking autoimmune hemolysis
Notice bibliographique
Résumé
BACKGROUND: Immune hemolytic anemia poses a significant challenge in transfusion medicine, as identification of underlying alloantibodies can be masked by warm and/or cold autoantibodies. This increases the risk of transfusing incompatible blood, which can precipitate or exacerbate hemolysis. Identifying alloantibodies in the presence of autoantibodies remains difficult with standard serologic and genotypic methods, often delaying accurate diagnosis and appropriate transfusion strategies. CASE REPORT: We describe a 63-year-old woman with autoimmune hemolytic anemia who suffered near-fatal hemolysis following transfusion. Despite extensive serologic and genotypic testing, the cause of her hemolytic transfusion reactions remained elusive. Given her clinical course and transfusion history, we hypothesized that her acute hemolytic transfusion reactions could be due to immune sensitization to a high-incidence RBC antigen. Research whole-genome long-read sequencing (LRS) revealed homozygosity for a rare KEL*02N.16 allele, consistent with a rare Ko phenotype, which was validated by Sanger sequencing. Retrospective serologic testing with Ko RBCs further confirmed alloimmunization within the Kell system. CONCLUSION: This case highlights the limitations of conventional serologic and genotypic methods in detecting rare blood group phenotypes, and emphasizes the diagnostic power of long-read sequencing in transfusion medicine. Early molecular testing in complex hemolytic cases can facilitate targeted transfusion strategies, reduce the risk of severe hemolysis, and improve patient outcomes. As sequencing technologies become more accessible, they have the potential to revolutionize blood group typing and alloimmunization risk assessment in clinical practice.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».