Integrated Circuits for Rapid Sample Processing and Electrochemical Detection of Biomarkers
Notice bibliographique
Résumé
The trade-off between speed and sensitivity of detection is a fundamental challenge in the design of point-of-care diagnostics. As the relevant molecules in many diseases exist natively at extremely low levels, many gold-standard diagnostic tests are designed with high sensitivity at the expense of long incubations needed to amplify the target analytes. The central aim of this thesis is to design new strategies to detect biologically relevant analytes with both high speed and sensitivity. The response time of a biosensor is limited by the ability of the target analyte to accumulate to detectable levels at the sensor surface. We overcome this limitation by designing a range of integrated devices to optimize the flux of the analyte to the sensor by increasing the effective analyte concentration, shortening the required diffusion distance, and confining the analyte in close proximity to the sensor. We couple these devices with novel ultrasensitive electrochemical transduction strategies to convert rare analytes into a detectable signal. We showcase the clinical utility of these approaches with several applications including cancer diagnosis, bacterial identification, and antibiotic susceptibility profiling. We design and optimize a device to isolate rare cancer cells from the bloodstream with near 100% efficiency and 10 000-fold specificity. We analyse pathogen specific nucleic acids by lysing bacteria in close proximity to an electrochemical sensor and find that this approach has 10-fold higher sensitivity than standard lysis in bulk solution. We design an electronic chip to readout the antibiotic susceptibility profile with an hour-long incubation by concentrating bacteria into nanoliter chambers with integrated electrodes. Finally, we report a strategy for ultrasensitive visual readout of nucleic acids as low as 100 fM within 10 minutes using an amplification cascade. The strategies presented could guide the development of fast, sensitive and low-cost diagnostics for diseases not previously detectable at the point-of-care.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,005 |
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 ».