Optimising effective parameters to improve performance quality in lateral flow immunoassay for detection of <i>PBP2a</i> in methicillin-resistant <i>Staphylococcus aureus</i> (MRSA)
Notice bibliographique
Résumé
Lateral flow immunoassay (LFIA) is the most widely used platform of the point-of-care (POC) detection. Since the most important factor in deciding the results of this technique is the visual quality of the test, it should be at its optimum. To address this issue, the present study examines optimising critical parameters to improve the quality of LFIA performance. In this regard the penicillin-binding protein 2a (PBP2a) in methicillin-resistant staphylococcus aureus (MRSA) was selected as a bacterial model. The targeted parameters included a) size of gold nanoparticles (AuNP), b) antibody conjugation conditions with AuNP, c) antibody concentrations in the capturing zones, d) the effects of blocking substances and different chemical buffers for pre-treatment of the strips. Visual quality of different manufactured strips revealed that the diameter of 14 ± 2, PH = 9.5 was the optimum for improvement of MRSA detection quality. The optimum concentration of labelling antibody in conjugate pad and concentration of the capturing antibody in the test band were 40 µg/ml and 1.1 µg/μl in PBS buffer (pH 7.4) respectively. In conclusion by finding the critical factors affecting the detection limit of lateral flow and optimising them, the visual quality of LFIA results can be increased.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».