Ultrasensitive Ebola Virus Detection Based on Electroluminescent Nanospheres and Immunomagnetic Separation
Notice bibliographique
Résumé
The 2014-16 Ebola virus (EBOV) outbreak in West Africa has attracted widespread concern. Rapid and sensitive detection methods are urgently needed for diagnosis and treatment of the disease. Here, we propose a novel method for EBOV detection based on efficient amplification of electroluminescent nanospheres (ENs) coupled with immunomagnetic separation. Uniform ENs are made by embedding abundant amounts of CdSe/ZnS quantum dots (QDs) into copolymer nanospheres through simple ultrasound. Compared to QDs, ENs can enhance electroluminescence (ECL) signals by approximately 85-fold, achieving a signal-to-background ratio high enough for EBOV detection. The introduction of magnetic nanobeads (MBs) can selectively separate targets from complex samples, simplifying the operation process and saving time. The presence of MBs can amplify ECL by approximately 3-fold, improving detection sensitivity. By integration of ENs with MBs, a sensitive electroluminescence biosensor is established for EBOV detection. The linear range is 0.02-30 ng/mL with a detection limit of 5.2 pg/mL. This method provides consistent reproducibility, specificity, and anti-interference ability and is highly promising in clinical diagnosis 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 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 ».