Notice bibliographique
Résumé
Sensitive and selective detection assays are essential for the accurate measurement of analytes in both clinical and research laboratories. Immunoassays that rely on nonoverlapping antibodies directed against the same target analyte (e.g., sandwich enzyme-linked immunosorbent assays (ELISAs)) are commonly used molecular detection technologies. Use of split enzyme reporters has simplified the workflow for these traditionally complex assays. However, identifying functional antibody pairs for a given target analyte can be cumbersome, as it generally involves generating and screening panels of antibodies conjugated to reporters. Accordingly, we sought a faster and easier reporter conjugation strategy to streamline antibody screening. We describe here the development of such a method that is based on an optimized ternary NanoLuc luciferase. This bioluminescence complementation system is comprised of a reagent-based thermally stable polypeptide (LgTrip) and two small peptide tags (β9 and β10) with lysine-reactive handles for direct conjugation onto antibodies. These reagents enable fast, single-step, wash-free antibody labeling and sensitive functional screening. Simplicity, speed, and utility of the one-pot labeling technology are demonstrated in screening antibody pairs for the analyte interleukin-4. The screen resulted in the rapid development of a sensitive homogeneous immunoassay for this clinically relevant cytokine.
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 | 0,000 |
| 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 | 0,001 |
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 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 ».