MétaCan
Menu
Retour à la cohorte
Enregistrement W4311688064 · doi:10.3390/mi13122232

A Nitrocellulose Paper-Based Multi-Well Plate for Point-of-Care ELISA

2022· article· en· W4311688064 sur OpenAlexafffund
Zhen Qin, Zongjie Huang, Peng Pan, Yueyue Pan, Runze Zuo, Yu Sun, Xinyu Liu

Notice bibliographique

RevueMicromachines · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchCanada Foundation for Innovation
Mots-clésNitrocelluloseImmunoassayDetection limitChromatographyPoint of careMaterials sciencePoint-of-care testingFabricationLaserNanotechnologyChemistryAntibodyMembraneOpticsImmunologyPhysics

Résumé

récupéré en direct d'OpenAlex

Low-cost diagnostic tools for point-of-care immunoassays, such as the paper-based enzyme-linked immunoassay (ELISA), have become increasingly important, especially so in the recent COVID-19 pandemic. ELISA is the gold-standard antibody/antigen sensing method. This paper reports an easy-to-fabricate nitrocellulose (NC) paper plate, coupled with a desktop scanner for ELISA, which provides a higher protein immobilization efficiency than the conventional cellulose paper-based ELISA platforms. The experiments were performed using spiked samples for the direct ELISA of rabbit IgG with a limit of detection (LOD) of 1.016 μg/mL, in a measurement range of 10 ng/mL to 1 mg/mL, and for the sandwich ELISA of sperm protein (SP-10) with an LOD of 88.8 ng/mL, in a measurement range of 1 ng/mL to 100 μg/mL. The described fabrication method, based on laser-cutting, is a highly flexible one-step laser micromachining process, which enables the rapid production of low-cost NC paper-based multi-well plates with different sizes for the ELISA measurements.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0050,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,010

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 Opus0,008
Tête enseignante GPT0,211
Écart entre enseignants0,203 · 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 source (Gemma direct ou Codex distillé), 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

Citations18
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMicromachinesMême sujetBiosensors and Analytical DetectionTravaux en français237 207