<scp>PCR</scp>‐free blood group genotyping using a nanobiosensor
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: The last two decades have seen major developments in genotyping assays to facilitate the procurement of red blood cell units to alloimmunized patients. To make genotyping faster, simpler and less costly, a nanotechnology approach based on metal/silica fluorescent nanoparticles and a polymer-based hybridization optical transducer was designed. The objectives of this study were (1) to verify whether this nanobiosensor has the ability to discriminate single nucleotide polymorphisms in non-amplified genomic DNA and (2) to establish whether the signal generated by the nanobiosensor is sufficiently intense to be detected by standard flow cytometry. MATERIALS AND METHODS: Silver-core silica-shell fluorescent nanoparticles (Ag@SiO₂) were prepared, and amine-modified DNA probes were grafted to their surface. A cationic conjugated polymer was electrostatically bound to the surface probes to become optically active upon hybridization with a target. Two nanobiosensor formulations specific to DO*01 and DO*02 alleles were prepared. DNA was extracted from whole blood and mixed with the nanobiosensor for hybridization. The nanobiosensor fluorescence was measured by flow cytometry. RESULTS: Nine volunteers were typed for Dombrock blood group antigens DO*01 and DO*02. A statistically significant increase in the optical transduction signal was observed for sequence-specific samples. All nine genotypes were correctly identified when compared to standardized PCR assays. CONCLUSION: The nanobiosensor provides rapid and simple genotyping of blood group antigens from unamplified genomic DNA and can be measured using standard flow cytometers. This PCR-free approach could be applied to any known genetic polymorphism.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».