MétaCan
Menu
Retour à la cohorte
Enregistrement W2010815734 · doi:10.1002/biot.200700236

Multiplex pathogen detection based on spatially addressable microarrays of barcoded resins

2008· article· en· W2010815734 sur OpenAlexaff
David R. Blais, Ramón A. Álvarez‐Puebla, J. Pablo Bravo-Vasquez, Hicham Fenniri, John Paul Pezacki

Notice bibliographique

RevueBiotechnology Journal · 2008
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensNational Institute for NanotechnologyUniversity of AlbertaSteacie Institute for Molecular Sciences
Organismes subventionnairesNational Institute of Biomedical Imaging and Bioengineering
Mots-clésMultiplexDNA microarrayComputational biologyNanotechnologyBiologyComputer scienceBioinformaticsMaterials scienceGeneticsGeneGene expression

Résumé

récupéré en direct d'OpenAlex

Suspension microsphere immunoassays are rapidly gaining recognition in antigen identification and infectious disease biodetection due to their simplicity, versatility and high-throughput multiplex screening. We demonstrate a multiplex assay based on antibody-functionalized barcoded resins (BCRs) to identify pathogen antigens in complex biological fluids. The binding event of a particular antibody on given bead (fluorescence) and the identification of the specific pathogen agent (vibrational fingerprint of the bead) can be achieved in a dispersive Raman system by exciting the sample with two different laser lines. Anthrax protective antigen, Franciscella tularensis lipopolysaccharide and CD14 antigens were accurately identified and quantified in tetraplex assays with a detection limit of 1 ng/mL. The rapid, versatile and simple analysis enabled by the BCRs demonstrates their potential for multiplex antigen detection and identification in a reconfigurable microarray format.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,241
Écart entre enseignants0,228 · 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 source (Gemma direct ou Codex distillé), 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

Citations15
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiotechnology JournalMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207