Dried Blood Spot Analysis by Digital Microfluidics Coupled to Nanoelectrospray Ionization Mass Spectrometry
Notice bibliographique
Résumé
Dried blood spot (DBS) samples on filter paper are surging in popularity as a sampling and storage vehicle for a wide range of clinical and pharmaceutical applications. For example, a DBS sample is collected from every baby born in the province of Ontario, Canada, for quantification of approximately one hundred analytes that are used to screen for 28 conditions, including succinylacetone (SA), a marker for hepatorenal tyrosinemia. Unfortunately, the conventional methods used to evaluate DBS samples for newborn screening and other applications are tedious and slow, with limited options for automated analysis. In response to this challenge, we have developed a method to couple digital microfluidics (DMF) to nanoelectrospray ionization mass spectrometry (nESI-MS) for SA quantification in DBS samples. The new system is formed by sandwiching a pulled glass capillary emitter between the two DMF substrates such that the capillary emitter is immobilized without external seals or gaskets. Moreover, we introduce a new feedback control system that enables high-fidelity droplet manipulation across DBS samples without manual intervention. The system was validated by application to on-chip extraction, derivatization, and analysis of SA and other analytes from DBS samples, with comparable performance to gold-standard methods. We propose that the new methods described here can potentially contribute to a new generation of analytical techniques for quantifying analytes in DBS samples for a wide range of applications.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».