Tunable Electrophoretic Separations Using a Scalable, Fabric-Based Platform
Notice bibliographique
Résumé
There is a rising need for low-cost and scalable platforms for sensitive medical diagnostic testing. Fabric weaving is a mature, scalable manufacturing technology and can be used as a platform to manufacture microfluidic diagnostic tests with controlled, tunable flow. Given its scalability, low manufacturing cost (<$0.25 per device), and potential for patterning multiplexed channel geometries, fabric is a viable platform for the development of analytical devices. In this paper, we describe a fabric-based electrophoretic platform for protein separation. Appropriate yarns were selected for each region of the device and weaved into straight channel electrophoretic chips in a single step. A wide dynamic range of analyte molecules ranging from small molecule dyes (<1 kDa) to macromolecule proteins (67-150 kDa) were separated in the device. Individual yarns behave as a chromatographic medium for electrophoresis. We therefore explored the effect of yarn and fabric parameters on separation resolution. Separation speed and resolution were enhanced by increasing the number of yarns per unit area of fabric and decreasing yarn hydrophilicity. However, for protein analytes that often require hydrophilic, passivated surfaces, these effects need to be properly tuned to achieve well-resolved separations. A fabric device tuned for protein separations was built and demonstrated. As an analytical output parameter for this device, the electrophoretic mobility of a sedimentation marker, Naphthol Blue Black bovine albumin in glycine-NaOH buffer, pH 8.58 was estimated and found to be -2.7 × 10(-8) m(2) V(-1) s(-1). The ability to tune separation may be used to predefine regions in the fabric for successive preconcentrations and separations. The device may then be applied for the multiplexed detection of low abundance proteins from complex biological samples such as serum and cell lysate.
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 ».