A microfluidic plasma separation device combined with a surface plasmon resonance biosensor for biomarker detection in whole blood
Notice bibliographique
Résumé
Biomarker detection in whole blood enables understanding of the cause, progression, relapse or outcome of treatment of a disease. Conventional biomarker detection techniques, such as enzyme-linked immunosorbent assay, polymerase chain reaction, and immunofluorescence, require long assay time, costly laboratory instruments, large reagent volume and sample pre-processing. Hence, there is an unmet need for reliable capture and detection of biomarkers in unprocessed blood which are adaptable to point-of-care (POC) testing. Here, we present a simple, low-cost, and rapid protein detection device from whole blood samples which has the potential to be employed in a POC setting. The platform consists of two components: a plasma separation device that extracts plasma from whole blood without the application of any external active forces and a SPR sensor chip that uses a label-free optical technique for the detection of biomarkers in the extracted plasma. We have demonstrated the detection of IgG and IgM biomolecules in unprocessed blood at concentrations lower than the physiological value within 15 min. The proposed technique has the potential for improving the diagnosis and screening of many diseases, including cancer, influenza, human immunodeficiency virus, and SARS-Cov2 at POC.
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 | 0,001 |
| 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 | 0,000 |
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 ».