MétaCan
Menu
Retour à la cohorte
Enregistrement W4284673114 · doi:10.1039/d2lc00388k

Highly accurate multiprotein detection on a digital ELISA platform

2022· article· en· W4284673114 sur OpenAlexaff
Shih‐Mo Yang, Qingbo Bi, Wenjun Zhang, Xiaochuan Cui, Ying Zhou, Cunyin Yuan, Yubao Cui

Notice bibliographique

RevueLab on a Chip · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesJiangsu Provincial Key Research and Development ProgramProject on Maternal and Child Health Talents of Jiangsu Province
Mots-clésMultiprotein complexComputer scienceComputational biologyBiologyGenetics

Résumé

récupéré en direct d'OpenAlex

The emerging single-molecule detection platform digital enzyme-linked immunosorbent assay (ELISA) can detect numerous proteins simultaneously at serum concentrations as low as picograms per milliliter. We sought to improve cytokine detection with this platform to aid diagnosis of conditions such as allergy and asthma. We developed a multiple single-molecule detection digital ELISA approach, through the application of encoded magnetic microbeads to simultaneously detect three cytokines in one serum sample. We tested the approach's utility to distinguish asthma-related cytokines in children. Concentrations of interleukin-4 (IL-4) and IL-6 were significantly higher in children with asthma than in healthy controls, while the concentration of interferon-γ (IFN-γ) was significantly lower. Our method has higher accuracy than conventional methods, and our results indicate that the proposed improved high-sensitivity digital ELISA-based diagnosis approach can facilitate early detection and treatment of childhood asthma or related diseases.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,513

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,252
Écart entre enseignants0,240 · 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 tête enseignante, 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

Citations28
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLab on a ChipMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207