MétaCan
Menu
Retour à la cohorte
Enregistrement W1988554016 · doi:10.1115/imece2007-42512

Multiplexed High-Throughput Electrokinetically-Controlled Immunoassay on a Chip for the Detection of Specific Bacterial Antibodies in Human Serum

2007· article· en· W1988554016 sur OpenAlexaff
Yali Gao, Philip M. Sherman, Yu Sun, Dongqing Li

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésImmunoassayAnalyteAntibodyBovine serum albuminChromatographyMicrofluidicsEscherichia coliDetection limitMicrofluidic chipAntigenChemistryMaterials scienceBiologyNanotechnologyImmunologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

This work presents a multiplexed electrokinetically-controlled heterogeneous immunoassay that can process ten samples in parallel. The immunoassay microchip was soft-lithographically fabricated using poly(dimethylsiloxane) and glass. Controlling parameters of the electrokinetically-driven flow in the microfluidic network was determined by numerically simulating transport processes. Multiple passively adsorbed antigens captured antibodies present in samples, which then bound with TRITC-labeled detection antibodies to generate fluorescent signals. Antibodies against Escherichia coli O157:H7 and Helicobacter pylori were studied as model analytes. After conditions for antigen-coating were optimized, a 24-minute assay detected E. coli O157:H7 antibody in the concentration range of 0.02–10 μg/mL, and H. pylori antibody in the range of 0.1–50 μg/mL. In testing human serum samples, non-specific binding of serum components was effectively suppressed by using 10% (w/v) bovine serum albumin. An accuracy of 100% was achieved in detecting either E. coli O157:H7 antibody or H. pylori antibody from human serum samples. Simultaneous screening of both antibodies was also successfully demonstrated. The immunoassay chip shows an excellent potential for efficiently detecting multiple pathogenic infections in clinical environments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,444

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,223
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207