Reverse-Phase versus Sandwich Antibody Microarray, Technical Comparison from a Clinical Perspective
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Protein microarrays are powerful tools to quantify and characterize proteins in multiplex assays. They have great potential within clinical diagnostics and prognostics, as they minimize consumption of both analyte and biological sample. Assays that do not require labeling of the biological specimen, henceforth called label-free, are vital for ease of clinical sample processing. Here, we evaluate two label-free techniques, reverse-phase and sandwich antibody assays, using microarrays on high-performance porous silicon surfaces and fluorescence detection. In view of increasing interest in reverse microarrays, this paper focuses on analytical sensitivity of the reverse assays compared to the more complex but highly sensitive sandwich assay. Sensitivity, linear range, and reproducibility of the two assays were compared using prostate-specific antigen (PSA) in buffer. The sandwich assay displayed 5 orders of magnitude lower detection limit (0.7 ng/mL) compared to the reverse assay (70 microg/mL). PSA at 50 nM (1.5 microg/mL) in cell lysates was detected by the sandwich assay but not by the reverse assay, demonstrating again a far lower detection limit for sandwich microarrays. In independent assay runs of PSA spiked in female serum, the sandwich assay had good linearity (R2 > 0.99) and reproducibility (coefficient of variation < or =15%), and the detection limit could be improved to 0.14 ng/mL. Without further signal amplification, the sandwich assay would be our choice for PSA analysis of clinical samples using a microarray technology platform.
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.
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 découle