MétaCan
Menu
Retour à la cohorte
Enregistrement W2782919166 · doi:10.1021/acssensors.7b00857

Paper-Based DNA Reader for Visualized Quantification of Soil-Transmitted Helminth Infections

2018· article· en· W2782919166 sur OpenAlexafffund
Tianyu Dong, Hayam Mansour, Gabriela Matamoros, Ana Sánchez, Feng Li

Notice bibliographique

RevueACS Sensors · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensBrock University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaBrock University
Mots-clésTrichuris trichiuraDNAPolymerase chain reactionPopulationSYBR Green IBiologyComputer scienceComputational biologyHelminthsMedicineEnvironmental healthGeneticsImmunologyGene

Résumé

récupéré en direct d'OpenAlex

Soil-transmitted helminth (STH) infections are a global health issue affecting nearly one-third of the world's population. As most endemic areas of STH are impoverished countries or regions with limited healthcare resources, the accurate diagnosis of STH requires analytical tools that are not only quantitative, but also portable, inexpensive, and with no or minimal demand for external instrument. Herein, we introduce a novel paper-based diagnostic device, termed quantitative paper-based DNA reader (qPDR), capable of quantifying STH at the molecular level by measuring distance as readout, thus eliminating the need for external readers. On the basis of the unique interfacial interaction of a DNA intercalating dye, SYBR Green I, with native cellulose on a chromatographic paper, qPDR allows the distance-based quantification of minute amounts of double-stranded DNA as short as 6 min. By integrating qPDR with polymerase chain reactions that were performed using a smartphone-controlled portable thermal cycler, we were able to quantify minute amount of genetic markers from adult worms of an STH (Trichuris trichiura) that were expelled post-treatment by infected children living in the rural areas of Honduras.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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 seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,020
Tête enseignante GPT0,273
Écart entre enseignants0,253 · 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

Citations39
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS SensorsMême sujetBiosensors and Analytical DetectionTravaux en français237 207