DNA hybridization detection with 100 zM sensitivity using piezoelectric plate sensors with an improved noise-reduction algorithm
Notice bibliographique
Résumé
We have examined real-time, in situ hybridization detection of target DNA (tDNA) in a buffer solution and in urine using 8 μm-thick lead magnesium niobate-lead titanate (PMN-PT) piezoelectric plate sensors (PEPSs) about 1.1-1.2 mm long and 0.45 mm wide with improved 3-mercaptopropyltrimethoxysilane (MPS) insulation and a new multiple-parabola (>50) resonance peak position fitting algorithm. With probe DNA (pDNA) immobilized on the PEPS surface and by monitoring the first width extension mode (WEM) resonance frequency shift we detected tDNA in real time at concentration as low as 1 × 10(-19) M in urine (100 zM) with a signal to noise ratio (SNR) of 13 without DNA isolation and amplification at room temperature in 30 min. The present multiple-parabola fitting algorithm increased the detection of SNR by about 10 times compared to those obtained using the raw data and by about 5 times compared to those obtained using single parabola fitting. The detection was validated by in situ follow-up detection and subsequent visualization of fluorescent reporter microspheres (FRMs) coated with reporter DNA complementary to the tDNA but different from the probe pDNA.
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 ».