Selective Uropathogenic E. coli Detection Using Crossed Surface-Relief Gratings
Notice bibliographique
Résumé
Urinary tract infections (UTIs) are one of the major burdens on public healthcare worldwide. One of the primary causes of UTIs is the invasion of the urinary tract by uropathogenic Escherichia coli (UPEC). Improper treatment of bacterial infections like UTIs with broad-spectrum antibiotics has contributed to the rise of antimicrobial resistance, necessitating the development of an inexpensive, rapid and accurate detection of UPEC. Here, we present real-time, selective and label-free detection of UPEC using crossed surface-relief gratings (CSRGs) as nanometallic sensors incorporated into an optical sensing platform. CSRGs enable real-time sensing due to their unique surface plasmon resonance (SPR)-based light energy exchange, resulting in detection of a very-narrow-bandwidth SPR signal after the elimination of residual incident light. The platform’s sensing ability is experimentally demonstrated by the detection of bulk refractive index (RI) changes, with a bulk sensitivity of 382.2 nm/RIU and a resolution in the order of 10−6 RIU. We also demonstrate, for the first time, CSRG-based real-time selective capture and detection of UPEC in phosphate-buffered saline (PBS) solution, in clinically relevant concentrations, as opposed to other UTI-causing Gram-negative bacteria. The platform’s detection limit is calculated to be 105 CFU/mL (concentration on par with the clinical threshold for UTI diagnosis), with a dynamic range spanning four orders of magnitude. This work paves the way for the development of inexpensive point-of-care diagnosis devices focusing on effective treatment of UTIs, which are a burden on public healthcare due to the rise in the number of cases and their recurrences in the recent past.
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 ».