MétaCan
Menu
Retour à la cohorte
Enregistrement W2511801649 · doi:10.1021/acssensors.6b00368

Low-Cost Leukemic Serum Marker Screening Using Large Area Nanohole Arrays on Plastic Substrates

2016· article· en· W2511801649 sur OpenAlexafffund
Chiara Valsecchi, Talon Jones, Chen Wang, Hans Lochbihler, J. W. Menezes, Alexandre G. Brolo

Notice bibliographique

RevueACS Sensors · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueNanofabrication and Lithography Techniques
Établissements canadiensMount Sinai HospitalUniversity of Victoria
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBiosensorMaterials sciencePlasmonNanotechnologyLeukemiaBiomedical engineeringOptoelectronicsMedicineImmunology

Résumé

récupéré en direct d'OpenAlex

Plasmonic biosensors, particularly arrays of nanoholes on thin gold films, have been widely explored in recent years as possible platforms for fast medical diagnostic. In this work, we present a screening method for leukemia cancer markers that uses a plasmonic biosensor based on nanohole arrays fabricated on plastic substrates. The low-cost, scalable, and reproducible nanohole array structures were fabricated by UV nanoimprinting technique. The relative concentration of human immunoglobulin kappa and lambda light chains in blood serum was employed as a screening method. The kappa/lambda concentration ratio was used to determine an unbalance in the immunoglobulin production due to leukemia. The platform was tested using serum samples from patients with known leukemia diagnoses. The results indicated that this inexpensive and flexible plasmonic platform is a promising tool for routine screening in clinical settings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,711

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,229
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS SensorsMême sujetNanofabrication and Lithography TechniquesTravaux en français237 207