Noise Spectroscopy Analysis for Estimation of a Specific Biomolecule in a Complex Mixture Using Solid-State Nanopore
Notice bibliographique
Résumé
This paper presents a noise spectroscopy analysis of the current traces recorded in a functionalized silicon oxide nanopore in presence of specific antigen (Hep-B), nonspecific antigen (BSA), and their complex mixture for the first time. It is observed that though the on and off dwell times can differentiate nonspecific antigen from specific antigen in pure buffer, an approximate quantification of the specific antigen with low-dissociation constant of the receptor-ligand pair, becomes almost impossible in complex mixture. This has been ascribed to the significant overlap in the current blockade sensitivity values between the different concentration ranges of the specific antigen. On the contrary, a noise spectroscopy analysis shows a Lorentzian spectrum in presence of specific antigen with a distinct shift in the roll-off frequency, such that upto 1-nM BSA concentration; it has been possible to estimate the concentration of the specific antigen even for 1-pM Hep-B. However, for BSA concentration greater than 1 nM, the roll-off frequency for a particular concentration of specific antigen starts deviating from its value in pure buffer and overlaps with other concentration range. This problem has been addressed by processing the fractional change in current blockade and roll-off frequency by a partial least square-discriminant analysis based multivariate statistical model. It has been observed that the learning model yields 91.5% correct classification with the solutions, and has been able to predict the concentration of Hep-B quite closely even for a low value of 1 pM in presence of 100 nM concentration of BSA.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».