MétaCan
Menu
Retour à la cohorte
Enregistrement W3155376846 · doi:10.1109/jsen.2021.3072578

Miniature Fiber-Spectrophotometer for Real-Time Biomarkers Detection

2021· article· en· W3155376846 sur OpenAlexafffund
Vahid Khojasteh Lazarjan, Anahita Bakhshizadeh Gashti, Mohamad Feshki, Alain Garnier, Benoit Gosselin

Notice bibliographique

RevueIEEE Sensors Journal · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada First Research Excellence Fund
Mots-clésNotationSpectrometerAnalytical Chemistry (journal)Computer sciencePhysicsMathematicsChromatographyChemistryOptics

Résumé

récupéré en direct d'OpenAlex

This paper presents a miniature and cost-effective cell fiber-spectrophotometer based on fluorescence emission sensing for real-time detection of biomarkers. The prototype comprises a highly sensitive spectrometer embedded in an inexpensive 3D-printed housing and a custom-designed printed circuit board to transmit the data wirelessly. Results show that this portable system can identify micro-volume samples of tubulin protein, a well-known biomarker, to study different types of cancer. Additionally, our ambulatory prototype is small in size (30 mm$\times24$mm$\times43$mm), lightweight (19 g), economical, and low-power (103 mW). Fluorescence spectrophotometry measurement results obtainedin vitrofor stained VERO E6 cells using the presented prototype are reported. A set of samples with varying concentrations of Alexa Fluor 488 were also tested, and their spectral responses were measured within the range of 340–850 nm with a resolution of 15 nm. The measured limits of quantification and detection are 20 and$4~\mu \text{g}$/mL, respectively, while the measured responsivity is 85 mV/nW with a minimum detectable power of 117 fW at 519 nm. Intra- and inter-day relative standard deviations of 1.5% and 4.7%, respectively, were measured during longitudinal sensitivity experiments.

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 enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,021
Tête enseignante GPT0,309
Écart entre enseignants0,288 · 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

Citations10
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Sensors JournalMême sujetCAR-T cell therapy researchTravaux en français237 207