Dielectrophoresis assisted high-throughput detection system for multiplexed immunoassays
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Digital ELISA is introduced as a novel platform with unique advantages for detecting multiple kinds of single-molecule in the sample. How to improve the sensitivity of detection is the direction of current related research. Here, we report an immunoassay method that applied electrokinetic effects to isolate the individual encoded beads and confine in micro-wells to improve the efficiency of cytokines detection simultaneously. The microfluidic design provided a non-uniform electric field to induce dielectrophoresis (DEP) force and to manipulate the beads. Two wavelengths of excitation light excited the encoded beads for simultaneous detection of reporters. The light was confined to the bottom slide via the principle of total internal reflection. Finally, the concentration of captured cytokines was obtained by picking up each bead from the image and then integrating the intensity of fluorescent light emitted from the reporters. The results demonstrated that the fill percentage of encoded beads was raised from 10-20% to 60-80% via DEP effect. By comparing the fluorescence color of the particle, itself and its surface, the concentration of four target cytokines, IL-2, IL-6, IL-10 and TNF-α, were calculated to the pg/ml level. The spike and recovery experiments verified the efficiency, more than 70% of the target molecules were captured. The reliability of our method was verified by flow cytometry as well. In conclusion, we expect the application of DEP can increase the sensitivity of digital ELISA for multiple rapid detection.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle