MétaCan
Menu
Retour à la cohorte
Enregistrement W2897100155 · doi:10.1155/2018/3917986

Nano–Bio Interactions of Extracellular Vesicles with Gold Nanoislands for Early Cancer Diagnosis

2018· article· en· W2897100155 sur OpenAlexafffund
Srinivas Bathini, Duraichelvan Raju, Simona Bǎdilescu, Awanit Kumar, Rodney J. Ouellette, Anirban Ghosh, Muthukumaran Packirisamy

Notice bibliographique

RevueResearch · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueExtracellular vesicles in disease
Établissements canadiensAtlantic Cancer Research InstituteConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNew Brunswick Innovation Foundation
Mots-clésMicrovesiclesExosomeLiquid biopsyNanotechnologyNanoparticle tracking analysisVesicleMaterials scienceCell biologymicroRNAChemistryCancerMedicineBiologyMembraneBiochemistryGene

Résumé

récupéré en direct d'OpenAlex

Extracellular vesicles or exosomes are membrane encapsulated biological nanometric particles secreted virtually by all types of cells throughout the animal kingdom. They carry a cargo of active molecules to proximal and distal cells of the body as mechanism of physiological communication, to maintain natural homeostasis as well as pathological responses. Exosomes carry a tremendous potential for liquid biopsy and therapeutic applications. Thus, there is a global demand for simple and robust exosome isolation methods amenable to point-of-care diagnosis and quality control of therapeutic exosome manufacturing. This can be achieved by molecular profiling of the exosomes for use with specific sets of molecular-markers for diagnosis and quality control. Liquid biopsy is undoubtedly the most promising diagnosis process to advance "personalized medicine." Currently, liquid biopsy is based on circulating cancer cells, cell free-DNA, or exosomes. Exosomes potentially provide promise for early-stage diagnostic possibility; in order to facilitate superior diagnosis and isolation of exosomes, a novel platform is developed to detect and capture them, based on localized surface plasmon resonance (LSPR) of gold nanoislands, through strong affinity between exosomes and peptide called Venceremin or Vn96. Physical modeling, based on the characteristics of the gold nanoislands and the bioentities involved in the sensing, is also developed to determine the detection capability of the platform, which is optimized experimentally at each stage. Preliminary results and modeling present a relationship between the plasmonic shift and the concentration of exosomes and, essentially, indicate possibilities for label-free early diagnosis.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 recherche0,0010,000
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 Opus0,045
Tête enseignante GPT0,375
Écart entre enseignants0,330 · 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

Citations35
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearchMême sujetExtracellular vesicles in diseaseTravaux en français237 207