MétaCan
Menu
Retour à la cohorte
Enregistrement W2950087269 · doi:10.1039/c9bm00552h

Efficient targeted cancer cell detection, isolation and enumeration using immuno-nano/hybrid magnetic microgels

2019· article· en· W2950087269 sur OpenAlexafffund
Amir Seyfoori, S.A. Seyyed Ebrahimi, Arman Yousefi, Mohsen Akbari

Notice bibliographique

RevueBiomaterials Science · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueNanopore and Nanochannel Transport Studies
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of TehranCanada Foundation for InnovationNational Institute for Medical Research DevelopmentUniversity of Victoria
Mots-clésEnumerationIsolation (microbiology)Nano-NanotechnologyMagnetic nanoparticlesCancer cellChemistryBiological systemCancerBiologyMaterials scienceNanoparticleMathematicsChemical engineeringMicrobiologyEngineeringGeneticsCombinatorics

Résumé

récupéré en direct d'OpenAlex

) nanorods with controlled morphology are synthesized using hydrolysis method. The effects of the different synthesis conditions on morphology, phase composition, and magnetic properties of lepidocrocite are studied to determine the best synthesis conditions. We coat the nanorods with chitosan and attach them to the poly(N-isopropylacrylamide-co-acrylic acid) (PNIPAM-AA) microgel through chemical bonding to form a nano/hybrid microstructure. Our results suggest that the hybrid magnetic microgels have more antibody binding capacity and higher cancer cell capturing rate compared to pristine maghemite nanorods. In addition, new cell magnetometery method was applied for cancer cell quantification after capturing step in which different magnetized labelled cells were correlated to the saturation magnetization. In this method, higher concentrations of the primary cell suspension resulted in more binding of the magnetic immuno-microgels to the cells which was shown as saturation magnetization drop in the microgel-cell complex.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,486

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 Opus0,006
Tête enseignante GPT0,198
Écart entre enseignants0,193 · 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

Citations8
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomaterials ScienceMême sujetNanopore and Nanochannel Transport StudiesTravaux en français237 207