Sensitive Detection of Glycated Albumin in Human Serum Albumin Using Electrochemiluminescence
Notice bibliographique
Résumé
Monitoring of blood glucose content is vital for diabetes patients. The conventional widely used method involves an invasive procedure for blood sampling. In addition, blood glucose measured by this way is affected by immediate food consumption and it does not show accurate baseline blood glucose measurement. Thus, monitoring blood glucose by a noninvasive method that accurately reflects baseline blood glucose content is important. Glycated albumin (GA), a biomarker for diabetes indicating the average blood glucose over 2 weeks, can be used for semilong-term blood glucose monitoring. Detection of GA in saliva is a noninvasive method that alleviates the use of needles for diabetic patients; however, its content in saliva is in the nanomolar range. Therefore, the GA enzymatic detection method was combined with the ECL method for a highly sensitive detection of GA in human serum albumin and in the saliva sample. Here, the standard curve was constructed using model substrate, FZK, between 0.1 and 2 μM, and GA in human serum albumin was measured in this range. Also, we successfully demonstrated the detection limit of 0.1 μM GA in human serum albumin sample using ECL, which has seen improvement of about 70 times more than the colorimetric methods. The detection of GA in real saliva sample suggested that sample dilution of 5 times may be necessary to suppress the ECL quenching effect by impurities.
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 ».