MétaCan
Menu
Retour à la cohorte
Enregistrement W2042494392 · doi:10.1021/ac9028505

Flow Cytometry-Assisted Detection of Adenosine in Serum with an Immobilized Aptamer Sensor

2010· article· en· W2042494392 sur OpenAlexaff
Po‐Jung Jimmy Huang, Juewen Liu

Notice bibliographique

RevueAnalytical Chemistry · 2010
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésAptamerChemistryBioanalysisFlow cytometryIonic strengthChromatographyNucleic acidDetection limitBiosensorNanotechnologyAnalytical Chemistry (journal)Molecular biologyBiochemistryAqueous solution

Résumé

récupéré en direct d'OpenAlex

Aptamers are single-stranded nucleic acids that can selectively bind to essentially any molecule of choice. Because of their high stability, low cost, ease of modification, and availability through selection, aptamers hold great promise in addressing key challenges in bioanalytical chemistry. In the past 15 years, many highly sensitive fluorescent aptamer sensors have been reported. However, few such sensors showed high performance in serum samples. Further challenges related to practical applications include detection in a very small sample volume and a low dependence of sensor performance on ionic strength. We report the immobilization of an aptamer sensor on a magnetic microparticle and the use of flow cytometry for detection. Flow cytometry allows the detection of individual particles in a capillary and can effectively reduce the light scattering effect of serum. Since DNA immobilization generated a highly negatively charged surface and caused an enrichment of counterions, the sensor performance showed a lower salt dependence. The detection limits for adenosine are determined to be 178 microM in buffer and 167 microM in 30% serum. Finally, we demonstrated that the detection can be carried out in 10 microL of 90% human blood serum.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,007
Tête enseignante GPT0,266
Écart entre enseignants0,259 · 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

Citations105
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207