CoVSense: Ultrasensitive Nucleocapsid Antigen Immunosensor for Rapid Clinical Detection of Wildtype and Variant SARS‐CoV‐2
Notice bibliographique
Résumé
The widespread accessibility of commercial/clinically-viable electrochemical diagnostic systems for rapid quantification of viral proteins demands translational/preclinical investigations. Here, Covid-Sense (CoVSense) antigen testing platform; an all-in-one electrochemical nano-immunosensor for sample-to-result, self-validated, and accurate quantification of the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) nucleocapsid (N)-proteins in clinical examinations is developed. The platform's sensing strips benefit from a highly-sensitive, nanostructured surface, created through the incorporation of carboxyl-functionalized graphene nanosheets, and poly(3,4-ethylenedioxythiophene) polystyrene sulfonate (PEDOT:PSS) conductive polymers, enhancing the overall conductivity of the system. The nanoengineered surface chemistry allows for compatible direct assembly of bioreceptor molecules. CoVSense offers an inexpensive (<$2 kit) and fast/digital response (<10 min), measured using a customized hand-held reader (<$25), enabling data-driven outbreak management. The sensor shows 95% clinical sensitivity and 100% specificity (Ct<25), and overall sensitivity of 91% for combined symptomatic/asymptomatic cohort with wildtype SARS-CoV-2 or B.1.1.7 variant (N = 105, nasal/throat samples). The sensor correlates the N-protein levels to viral load, detecting high Ct values of ≈35, with no sample preparation steps, while outperforming the commercial rapid antigen tests. The current translational technology fills the gap in the workflow of rapid, point-of-care, and accurate diagnosis of COVID-19.
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 | 0,001 | 0,004 |
| 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 | 0,001 |
| 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 ».