Surface Functionalization Methods To Enhance Bioconjugation in Metal-Labeled Polystyrene Particles
Notice bibliographique
Résumé
Lanthanide-encoded polystyrene particles synthesized by dispersion polymerization are excellent candidates for mass cytometry based immunoassays, however they have previously lacked the ability to conjugate biomolecules to the particle surface. We present here three approaches to post-functionalize these particles, enabling the covalent attachment of proteins. Our first approach used partially hydrolyzed poly(N-vinylpyrrolidone) as a dispersion polymerization stabilizer to synthesize particles with high concentration of -COOH groups on the particle surface. In an alternative strategy to provide -COOH functionality to the lanthanide-encoded particles, we employed seeded emulsion polymerization to graft poly(methacrylic acid) (PMAA) chains onto the surface of these particles. However, these two approaches gave little to no improvement in the extent of bioconjugation. In our third approach, seeded emulsion polymerization was subsequently used as a method to grow a functional polymer shell (in this case, poly(glycidyl methacrylate) (PGMA)) onto the surface of these particles, which proved highly successful. The epoxide-rich PGMA shell permitted extensive surface bioconjugation of NeutrAvidin, as probed by an Lu-labeled biotin reporter (ca. 7 × 10(5) binding events per particle with a very low amount of non-specific binding) and analyzed by mass cytometry. It was shown that coupling agents such as EDC were not needed, such was the reactivity of the particle surface. These particles were stable and the addition of a polymeric shell was shown did not affect the narrow lanthanide ion distribution within the particle interior as analyzed by mass cytometry. These particles represent the most promising candidates for the development of a highly multiplexed bioassay based on lanthanide-labeled particles to date.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,001 | 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 ».