MétaCan
Menu
Retour à la cohorte
Enregistrement W2765759611 · doi:10.3390/s17112464

Electrochemical Detection of Plasma Immunoglobulin as a Biomarker for Alzheimer’s Disease

2017· article· en· W2765759611 sur OpenAlexfundno aff
Goulielmos-Zois Garyfallou, Orlando Ketebu, Samet Şahin, Elizabeta B. Mukaetova‐Ladinska, Michael Catt, Eileen Hao Yu

Notice bibliographique

RevueSensors · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrochemical sensors and biosensors
Établissements canadiensnon disponible
Organismes subventionnairesPetroleum Technology Development FundEngineering and Physical Sciences Research CouncilAlzheimer Society
Mots-clésPolyclonal antibodiesAntibodyBiomarkerSerial dilutionAlbuminImmunoglobulin GBlood plasmaMedicineImmunoassayImmunologyChemistryPathologyInternal medicineBiochemistry

Résumé

récupéré en direct d'OpenAlex

The clinical diagnosis and treatment of Alzheimer’s disease (AD) represent a challenge to clinicians due to the variability of clinical symptomatology as well as the unavailability of reliable diagnostic tests. In this study, the development of a novel electrochemical assay and its potential to detect peripheral blood biomarkers to diagnose AD using plasma immunoglobulins is investigated. The immunosensor employs a gold electrode as the immobilizing substrate, albumin depleted plasma immunoglobulin as the biomarker, and polyclonal rabbit Anti-human immunoglobulin (against IgA, IgG, IgM) as the receptor for plasma conjugation. The assay showed good response, sensitivity and reproducibility in differentiating plasma immunoglobulin from AD and control subjects down to 10−9 dilutions of plasma immunoglobulin representing plasma content concentrations in the pg mL−1 range. The newly developed assay is highly sensitive, less time consuming, easy to handle, can be easily modified to detect other dementia-related biomarkers in blood samples, and can be easily integrated into portable devices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,811

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,248
Écart entre enseignants0,233 · 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 tête enseignante, 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

Citations32
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetElectrochemical sensors and biosensorsTravaux en français237 207