A gold nanoparticle-protein G electrochemical affinity biosensor for the detection of SARS-CoV-2 antibodies: a surface modification approach
Notice bibliographique
Résumé
As COVID-19 waves continue to spread worldwide, demand for a portable, inexpensive and convenient biosensor to determine community immune/infection status is increasing. Here we describe an impedance-based affinity biosensor using Interdigitated Electrode (IDE) arrays to detect antibodies to SARS-CoV-2 in serum. We created the biosensor by functionalizing the IDEs' surface with abaculaovirus-expressed and purified Spike (S) protein to bind anti-SARS CoV-2antibodies. Gold nanoparticles (GNP) fused to protein G were used to probe for bound antibodies. An ELISA assay using horseradish peroxidase-protein G to probe for bound IgG confirmed that the purified S protein bound a commercial source of anti-SARS-CoV-2 antibodies specifically and bound anti-SARS-CoV-2 antibodies in COVID-19 positive serum. Then we demonstrated that our biosensor could detect anti-SARS-CoV-2 antibodies with 72% sensitivity in 2 h. Using GNP-protein G, the affinity biosensor had increased impedance changes with COVID-19positive serum and minimal or decreased impedance changes with negative serum. This demonstrated that our biosensor could discriminate between COVID-19 positive and negative sera, which were further improved using poly(vinyl alcohol)as a blocking agent.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 | 0,000 |
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 ».