Non-specific Adsorption of Crude Cell Lysate on Surface Plasmon Resonance Sensors
Notice bibliographique
Résumé
Non-specific adsorption of the molecular components of biofluids is ubiquitous in the area of biosensing technologies, severely limiting the use of biosensors in real-world applications. The surface chemistries developed to prevent non-specific adsorption of crude serum are not necessarily suited for sensing in other biosamples. In particular, the diagnostic potential of differential expression of proteins in tissues makes cell lysate attractive for disease diagnostics using solid biopsies. However, crude cell lysate poses a significant challenge for surface chemistries because of a large concentration of highly adherent lipids. Contrary to the non-specific adsorption in crude serum being suppressed by hydrophilic surfaces, the surface plasmon resonance (SPR) analysis of serine-, aspartic-acid-, histidine-, leucine-, and phenylalanine-based peptide monolayers revealed that hydrophobic and positively charged peptides decreased non-specific adsorption when using lysate from HEK 293FT cells. A polyethylene glycol (PEG) monolayer resulted in 2-fold greater fouling than the best peptide [3-MPA-(His)2(Leu)2(Phe)2-OH] under the same conditions. Matrix-assisted laser desorption ionization tandem time-of-flight mass spectrometry (MALDI-TOF/TOF MS) analysis of the adsorbate from cell lysate confirmed that lipids are the main source of non-specific adsorption. Importantly, the mass spectrometry (MS) study revealed that both the number of lipids identified and their intensity decreased with decreasing non-specific adsorption. A peptide monolayer thus provides an efficient mean to suppress non-specific adsorption from this human 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 ».