Magnetic Nanozyme-Linked Immunosorbent Assay for Ultrasensitive Influenza A Virus Detection
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Rapid and sensitive detection of influenza virus is of soaring importance to prevent further spread of infections and adequate clinical treatment. Herein, an ultrasensitive colorimetric assay called magnetic nano(e)zyme-linked immunosorbent assay (MagLISA) is suggested, in which silica-shelled magnetic nanobeads (MagNBs) and gold nanoparticles are combined to monitor influenza A virus up to femtogram per milliliter concentration. Two essential strategies for ultrasensitive sensing are designed, i.e., facile target separation by MagNBs and signal amplification by the enzymelike activity of gold nanozymes (AuNZs). The enzymelike activity was experimentally and computationally evaluated, where the catalyticity of AuNZ was tremendously stronger than that of normal biological enzymes. In the spiked test, a straightforward linearity was presented in the range of 5.0 × 10–15–5.0 × 10–6g·mL–1 in detecting the influenza virus A (New Caledonia/20/1999) (H1N1). The detection limit is up to 5.0 × 10–12 g·mL–1 only by human eyes, as well as up to 44.2 × 10–15 g·mL–1 by a microplate reader, which is the lowest record to monitor influenza virus using enzyme-linked immunosorbent assay-based technology as far as we know. Clinically isolated human serum samples were successfully observed at the detection limit of 2.6 PFU·mL–1. This novel MagLISA demonstrates, therefore, a robust sensing platform possessing the advances of fathomable sample separation, enrichment, ultrasensitive readout, and anti-interference ability may reduce the spread of influenza virus and provide immediate clinical treatment.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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.
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 découle