Integration of Dialysis Membranes into a Poly(dimethylsiloxane) Microfluidic Chip for Isoelectric Focusing of Proteins Using Whole-Channel Imaging Detection
Notice bibliographique
Résumé
A poly(dimethylsiloxane) microfluidic chip-based cartridge is developed and reported here for protein analysis using isoelectic focusing (IEF)-whole-channel imaging detection (WCID) technology. In this design, commercial dialysis membranes are integrated to separate electrolytes and samples and to reduce undesired pressure-driven flow. Fused-silica capillaries are also incorporated in this design for sample injection and channel surface preconditioning. This structure is equivalent to that of a commercial fused-silica capillary-based cartridge for adapting to an IEF analyzer (iCE280 analyzer) to perform IEF-WCID. The successful integration of dialysis membranes into a microfluidic chip significantly improves IEF repeatability by eliminating undesired pressure-driven hydrodynamics and also makes sample injection much easier than that using the first-generation chip as reported recently. In this study, two microfluidic chips with a 100-microm-high, 100-microm-wide and a 200-microm-high, 50-microm-wide microchannel, respectively, were applied for qualitative and quantitative analysis of proteins. The mixture containing six pI markers with a pH range of 3-10 was successfully separated using IEF-WCID. The pH gradient exhibited a good linearity by plotting the pI value versus peak position, and the correlation coefficient reached 0.9994 and 0.9995 separately for the two chips. The separation of more complicated human hemoglobin control sample containing HbA, HbF, HbS, and HbC was also achieved. Additionally, for the quantitative analysis, a good linearity of IEF peak value versus myoglobin concentration in the range of 20-100 microg/mL was obtained.
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 | 0,001 |
| 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 ».