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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 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 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 ».