Nanoporous Membranes Enable Concentration and Transport in Fully Wet Paper-Based Assays
Notice bibliographique
Résumé
Low-cost paper-based assays are emerging as the platform for diagnostics worldwide. Paper does not, however, readily enable advanced functionality required for complex diagnostics, such as analyte concentration and controlled analyte transport. That is, after the initial wetting, no further analyte manipulation is possible. Here, we demonstrate active concentration and transport of analytes in fully wet paper-based assays by leveraging nanoporous material (mean pore diameter ≈ 4 nm) and ion concentration polarization. Two classes of devices are developed, an external stamp-like device with the nanoporous material separate from the paper-based assay, and an in-paper device patterned with the nanoporous material. Experimental results demonstrate up to 40-fold concentration of a fluorescent tracer in fully wet paper, and directional transport of the tracer over centimeters with efficiencies up to 96%. In-paper devices are applied to concentrate protein and colored dye, extending their limits of detection from ∼10 to ∼2 pmol/mL and from ∼40 to ∼10 μM, respectively. This approach is demonstrated in nitrocellulose membrane as well as paper, and the added cost of the nanoporous material is very low at ∼0.015 USD per device. The result is a major advance in analyte concentration and manipulation for the growing field of low-cost paper-based assays.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».