Paper-based biodetection using luminescent nanoparticles
Notice bibliographique
Résumé
Point-of-care and in-field technologies for rapid, sensitive and selective detection of molecular biomarkers have attracted much interest. Rugged bioassay technology capable of fast detection of markers for pathogens and genetic diseases would in particular impact the quality of health care in the developing world, but would also make possible more extensive screening in developed countries to tackle problems such as those associated with water and food quality, and tracking of infectious organisms in hospitals and clinics. Literature trends indicate an increasing interest in the use of nanomaterials, and in particular luminescent nanoparticles, for assay development. These materials may offer attributes for development of assays and sensors that could achieve improvements in analytical figures of merit, and provide practical advantages in sensitivity and stability. There is opportunity for cost-efficiency and technical simplicity by implementation of luminescent nanomaterials as the basis for transduction technology, when combined with the use of paper substrates, and the ubiquitous availability of cell phone cameras and associated infrastructure for optical detection and transmission of results. Luminescent nanoparticles have been described for a broad range of bioanalytical targets including small molecules, oligonucleotides, peptides, proteins, saccharides and whole cells (e.g., cancer diagnostics). The luminescent nanomaterials that are described herein for paper-based bioassays include metal nanoparticles, quantum dots and lanthanide-doped nanocrystals. These nanomaterials often have broad and strong absorption and narrow emission bands that improve opportunity for multiplexed analysis, and can be designed to provide emission at wavelengths that are efficiently processed by conventional digital cameras. Luminescent nanoparticles can be embedded in paper substrates that are designed to direct fluid flow, and the resulting combination of technologies can offer competitive analytical performance at relatively low cost.
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) | 0,001 | 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 ».