Quantification des immunoglobulines A par résonance des plasmons de surface pour identifier les individus IgA-déficients
Bibliographic record
Abstract
Le but de ce projet, en collaboration avec Héma-Québec, était de développer une méthode point de service (POC) pour la quantification des immunoglobulines A (IgA) dans un petit volume de plasma humain. Les IgA jouent un rôle important au niveau de notre système immunitaire, surtout au niveau des bio fluides sur les muqueuses comme la salive. On peut les retrouver normalement dans le plasma à des concentrations plus grandes que 2000 ng/mL pour la majorité des gens. Dans le cas d’une personne immunosupprimée, une concentration plus basse que 500 ng/mL est observée. La déficience en IgA est souvent associée à des maladies auto-immunes comme la maladie de Crohn. Ces individus peuvent éprouver un choc anaphylactique à la suite d’une transfusion de sang, ce qui nous motive à utiliser la résonance des plasmons de surface (SPR) sur place à des collectes de sang et dans les milieux hospitaliers. Pour réaliser ce capteur d’immunodéficience en IgA, un anticorps primaire spécifique aux IgA fut lié à un peptide formant une monocouche auto-assemblée sur une surface d’or du capteur SPR. Un deuxième anticorps a été utilisé pour quantifier spécifiquement cet analyte dans une matrice humaine complexe. Plusieurs étapes ont été optimisées pour obtenir une limite de détection basse, soit l’étape d’immobilisation de l’anticorps de capture, le type d’anticorps, le pH pour l’immobilisation, la détection secondaire, la validation dans différentes matrices biologiques, parmi d’autres. Le capteur a été validé avec quelques échantillons cliniques et la réponse SPR fut comparée avec ELISA. Ainsi, nous anticipons que cette méthode pourrait être utile à des collectes de sang pour assurer les réserves de sang déficient en IgA.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".