MétaCan
Menu
← Retour à la cohorte
Enregistrement W3024779851 · doi:10.1149/ma2020-01271999mtgabs

(Invited) Plasmonic and Surface Plasmon Electrochemiluminescence Sensors for Detecting Biomarkers and Drugs

2020· article· en· W3024779851 sur OpenAlexaff
Jean‐François Masson, Federico Polo

Notice bibliographique

RevueECS Meeting Abstracts · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésElectrochemiluminescencePlasmonNanotechnologySurface plasmon resonanceMaterials scienceOptoelectronicsBiosensorElectrodeChemistryNanoparticle

Résumé

récupéré en direct d'OpenAlex

In this presentation, a series of different plasmonic sensors for the detection of cancer biomarkers, cancer therapeutic drugs and the response of patients to oncological biological drugs will be presented. The plasmonic sensors are based on a portable 4-channel SPR instrument and surface chemistry developed to present fouling of the sensors in crude serum or plasma. Sensors for detecting methotrexate and for the immune response induced by asparaginase in leukemia treatments directly in sera of patients during ongoing therapies will be presented. Our work towards the detection of HER-2 positive breast cancers will also be presented, with a comparison of commercial and point of care SPR instruments. Our initial work on the development of a SPR-electrochemiluminescence instrument will be presented. We recently revealed that performing SPR and electrochemiluminescence on a single instrument provides unprecedented information about the interfacial processes occurring on the electrode. In addition, studying the energy transfer between the ECL and the plasmon revealed that the optically excited plasmon reduced the ECL intensity in the far-field by about 40% due to a lower plasmon mediated luminescence process. Hence, the combination of SPR and ECL is highly advantageous to study electrochemical processes.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0210,010

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 Opus0,010
Tête enseignante GPT0,244
Écart entre enseignants0,234 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting Abstracts→Même sujetAdvanced biosensing and bioanalysis techniques→Travaux en français237 207→