MétaCan
Menu
Retour à la cohorte
Enregistrement W3091504386 · doi:10.1021/acs.analchem.0c03605

Necessity and Challenges of Sample Preconcentration in Analysis of Multiple MicroRNAs by Capillary Electrophoresis

2020· article· en· W3091504386 sur OpenAlexafffund
Liang Hu, Svetlana M. Krylova, Stanley K. Liu, George M. Yousef, Sergey N. Krylov

Notice bibliographique

RevueAnalytical Chemistry · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensHospital for Sick ChildrenSunnybrook Health Science CentreYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésChemistryIsotachophoresisCapillary electrophoresisChromatographyDetection limitPeptide nucleic acidNucleic acidStackingmicroRNAAnalyteElectrophoresisSample preparationMolecular biologyComputational biologyElectrolyteBiochemistryGene

Résumé

récupéré en direct d'OpenAlex

Thousands of putative microRNA (miRNA)-based cancer biomarkers have been reported, but none has been validated for approval by the Food and Drug Administration. One of the reasons for this alarming discrepancy is the lack of a method that is sufficiently robust for carrying out validation studies, which may require analysis of samples from hundreds of patients across multiple institutions and pooling the results together. The capillary electrophoresis (CE)-based hybridization assay proved to be more robust than reversed transcription polymerase chain reaction (the current standard), but its limit of quantification (LOQ) exceeds 10 pM while miRNA concentrations in cell lysates are below 1 pM. Thus, CE-based separation must be preceded by on-column sample preconcentration. Here, we explain the challenges of sample preconcentration for CE-based miRNA analyses and introduce a preconcentration method that can suit CE-based miRNA analysis utilizing peptide nucleic acid (PNA) hybridization probes. The method combines field-amplified sample stacking (FASS) with isotachophoresis (ITP). We proved that FASS-ITP could retain and concentrate both near-neutral PNA with highly negatively charged PNA-miRNA hybrids. We demonstrated that preconcentration by FASS-ITP could be combined with the CE-based separation of the unreacted PNA probes from the PNA-miRNA hybrids and facilitate improvement in LOQ by a factor of 140, down to 0.1 pM. Finally, we applied FASS-ITP-CE for the simultaneous detection of two miRNAs in crude cell lysates and proved that the method was robust when used in complex biological matrices. The 140-fold improvement in LOQ and the robustness to biological matrices will significantly expand the applicability of CE-based miRNA analysis, bringing it closer to becoming a practical tool for validation of miRNA 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 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)0,006
score de la tête « metaresearch » (Gemma)0,007
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,231
Écart entre enseignants0,217 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetMicroRNA in disease regulationTravaux en français237 207