Aptamer based Lateral Flow Assays for Rapid and Sensitive Detection of CKD marker Cystatin C
Notice bibliographique
Résumé
A novel aptamer-antibody pair-based lateral flow assay was designed to rapidly quantify Cystatin C (CysC). CysC is a small protein that can be expressed by all nucleated cells. It is rarely influenced by factors other than Glomerular filtration rate (GFR), an indicator of renal function chronic kidney diseases (CKD). That makes it a reliable biomarker for the measurement of the GFR. Aptamers bind specifically to the target molecules, it is less expensive, more stable, and lack immunogenicity. The aptamers became a valuable tool in clinical diagnosis and made them a great alternative to antibodies. In this study, we designed and developed an aptamer- antibody pair-based quantitative lateral flow assay for the CysC quantification in the human sample. A highly sensitive and specific CysC sensor was achieved by conjugating CysC selective aptamers to the organic dye Alexafluor-647. When CysC molecules are present in the sample, they form a complex with the designed aptamers to bind, especially with the CysC antibody immobilized on the lateral flow assay strip's test zone. Important parameters that influence the sensitivity in lateral flow assay, such as the concentration of aptamers in the conjugation pad, were evaluated to give the optimum assay performance. The assay was precise and has a limit of detection of 0.013 μg/μl was shown better than the antibody-based kit. In summary, the resulting LFA aptamers-based sensor provides a rapid, sensitive, cost-effective point of care sensor for CysC detection in human samples.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».