Toward Point-of-Care Diagnostics of Breast Cancer: Development of an Optical Biosensor Using Quantum Dots
Notice bibliographique
Résumé
Due to the lack of portable, field-deployable diagnostic tests for detecting cancer cells, especially for breast cancer, current detection techniques involve the collection of blood and/or tissue samples, which then need to be sent to laboratories for further analysis before decisions can be made by the treating physicians. Conventional techniques such as mammograms and blood analysis are time consuming, requiring specialized technical personnel, in addition to large and expensive laboratory equipment. Herein, we report the development of a novel sensing method to detect breast cancer-specific microRNAs (miRNAs) captured using a complementary sequence binding technique, and we quantify the mechanism using time-resolved Forster resonance energy transfer (TR-FRET). Using terbium-cryptate, the proposed technique reduces the number of steps required to detect the analyte biomarker in clinical serum samples. We also demonstrate the dual detection of biomarkers using the DNA supporter sequence in the proposed TR-FRET technique. We provide a validated proof-of-concept for a minimally invasive, breast cancer-specific, biomarker detection assay, and demonstrate detection limits in the picomolar range using microfluidics as a detection platform for clinical serum samples. The developed microfluidic biosensor has the potential for use as a portable, field-deployable, and highly sensitive diagnostic tool for the rapid and early detection of breast cancer-specific miRNA signatures.
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 ».