MétaCan
Menu
Retour à la cohorte
Enregistrement W2923055799 · doi:10.1021/acs.analchem.9b00502

Enhanced Immunoassay Using a Rotating Paper Platform for Quantitative Determination of Low Abundance Protein Biomarkers

2019· article· en· W2923055799 sur OpenAlexafffund
Abootaleb Sedighi, Ulrich J. Krull

Notice bibliographique

RevueAnalytical Chemistry · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésChemistryImmunoassayAbundance (ecology)ChromatographyAntibodyEcology

Résumé

récupéré en direct d'OpenAlex

The changing concentrations of circulating protein biomarkers have been correlated with a variety of diseases. Quantitative bioassays capable of sensitive and specific determination of protein biomarkers at low levels can be essential for therapeutic treatments that can improve outcomes for patients. Herein, we describe the investigation of a rotating paper device (RPD) for quantitative determination of targeted proteins at the fM concentration level. The RPD consists of two circular papers each separately supported with a plastic disc. Protein detection is conducted via enhanced immunoassay using amplification in a sequential workflow, which includes a sandwich immunoassay in the upper paper and a signal amplification reaction in the lower paper. The sandwich immunoassay is conducted using biobarcode nanoparticles (BNPs) and results in the release of reporter oligonucleotides from BNPs. These oligonucleotides are transferred to the bottom paper, where they engage in a target recycling methodology that leads to the production of a colorimetric signal. The assay was evaluated for quantitation of interleukin-6 (IL-6), a cytokine biomarker in serum. A limit of detection of 63 fM and a dynamic range of 200 fM-8 pM was observed for the assay. The specificity of the assay was successfully verified against several common protein biomarkers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,508
Score d'incertitude au seuil0,546

Scores Codex et Gemma par catégorie

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 recherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,253
Écart entre enseignants0,240 · 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 tête enseignante, 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

Citations5
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetBiosensors and Analytical DetectionTravaux en français237 207