Antibody Colocalization Microarray: A Scalable Technology for Multiplex Protein Analysis in Complex Samples
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
DNA microarrays were rapidly scaled up from 256 to 6.5 million targets, and although antibody microarrays were proposed earlier, sensitive multiplex sandwich assays have only been scaled up to a few tens of targets. Cross-reactivity, arising because detection antibodies are mixed, is a known weakness of multiplex sandwich assays that is mitigated by lengthy optimization. Here, we introduce (1) vulnerability as a metric for assays. The vulnerability of multiplex sandwich assays to cross-reactivity increases quadratically with the number of targets, and together with experimental results, substantiates that scaling up of multiplex sandwich assays is unfeasible. We propose (2) a novel concept for multiplexing without mixing named antibody colocalization microarray (ACM). In ACMs, both capture and detection antibodies are physically colocalized by spotting to the same two-dimensional coordinate. Following spotting of the capture antibodies, the chip is removed from the arrayer, incubated with the sample, placed back onto the arrayer and then spotted with the detection antibodies. ACMs with up to 50 targets were produced, along with a binding curve for each protein. The ACM was validated by comparing it to ELISA and to a small-scale, conventional multiplex sandwich assay (MSA). Using ACMs, proteins in the serum of breast cancer patients and healthy controls were quantified, and six candidate biomarkers identified. Our results indicate that ACMs are sensitive, robust, and scalable.
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 | 0,001 |
| 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 découle