Lab-on-a-chip multiplexed electrochemical sensor enables simultaneous detection of SARS-CoV-2 RNA and host antibodies
Notice bibliographique
Résumé
Abstract The current COVID-19 pandemic highlights the continued need for rapid, accurate, and cost-effective point-of-care (POC) diagnostics that can accurately assess an individual’s infection and immunity status for SARS-CoV-2. As the virus continues to spread and vaccines become more widely available, detecting viral RNA and serological biomarkers can provide critical insights into the status of infectious, previously infectious, and vaccinated individuals over time. Here, we describe an integrated, low-cost, 3D printed, lab-on-a-chip device that extracts, concentrates, and amplifies viral RNA from unprocessed patient saliva and simultaneously detects RNA and multiple host anti-SARS-CoV-2 antibodies via multiplexed electrochemical (EC) outputs in two hours. The EC sensor platform enables single-molecule CRISPR/Cas-based molecular detection of SARS-CoV-2 viral RNA as well as serological detection of antibodies against the three immunodominant SARS-CoV-2 viral antigens. This study demonstrates that microfluidic EC sensors can enable multiplexed POC diagnostics that perform on par with traditional laboratory-based techniques, enabling cheaper and more widespread monitoring of infection and immunity over time.
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 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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».