MétaCan
Menu
Retour à la cohorte
Enregistrement W2702636311

Chip-Based Sensors for Disease Diagnosis

2010· dissertation· en· W2702636311 sur OpenAlexfundno aff
Zhichao Fang

Notice bibliographique

RevueTSpace · 2010
Typedissertation
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensnon disponible
Organismes subventionnairesGenome CanadaUniversity of PatrasCanadian Institutes of Health ResearchOntario Ministry of Research and InnovationNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésChipLab-on-a-chipDiseaseComputer scienceData scienceEmbedded systemMedicineNanotechnologyTelecommunicationsPathologyMaterials scienceMicrofluidics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Nucleic acid analysis is one of the most important disease diagnostic approaches in medical practice, and has been commonly used in cancer biomarker detection, bacterial speciation and many other fields in laboratory. Currently, the application of powerful research methods for genetic analysis, including the polymerase chain reaction (PCR), DNA sequencing, and gene expression profiling using fluorescence microarrays, are not widely used in hospitals and extended-care units due to high-cost, long detection times, and extensive sample preparation. Bioassays, especially chip-based electrochemical sensors, may be suitable for the next generation of rapid, sensitive, and multiplexed detection tools.\nHerein, we report three different microelectrode platforms with capabilities enabled by nano- and microtechnology: nanoelectrode ensembles (NEEs), nanostructured microelectrodes (NMEs), and hierarchical nanostructured microelectrodes (HNMEs), all of which are able to directly detect unpurified RNA in clinical samples without enzymatic amplification. Biomarkers that are cancer and infectious disease relevant to clinical medicine were chosen to be the targets. Markers were successfully detected with clinically-relevant sensitivity. Using peptide nucleic acids (PNAs) as probes and an electrocatalytic reporter system, NEEs were able to detect prostate cancer-related gene fusions in tumor tissue samples with 100 ng of RNA. The development of NMEs improved the sensitivity of the assay further to 10 aM of DNA target, and multiplexed detection of RNA sequences of different prostate cancer-related gene fusion types was achieved on the chip-based NMEs platform. An HNMEs chip integrated with a bacterial lysis device was able to detect as few as 25 cfu bacteria in 30 minutes and monitor the detection in real time. Bacterial detection could also be performed in neat urine samples. The development of these versatile clinical diagnostic tools could be extended to the detection of various cancers, genetic, and infectious diseases.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,010
Tête enseignante GPT0,337
Écart entre enseignants0,327 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207