Modulating the interaction of graphenic substrates with human interleukin-6 and its monoclonal antibody: a study by Raman images
Notice bibliographique
Résumé
Interleukin-6 (IL-6) is a cytokine with wide-ranging biological effects, playing an important role on the immune system and inflammatory responses. Therefore, it is important to develop alternative, highly sensitive and reliable analytical methodologies for the accurate detection of this biomarker in biological fluids. Graphene substrates (GS), such as pristine graphene (G), graphene oxide (GO), and reduced graphene oxide (rGO), have shown great benefits for biosensing and in the development of novel biosensor devices. In this work, we present a proof of concept for the development of a new analytical platform for the specific recognition of human interleukin-6, that is based on the coffee-ring formation of monoclonal antibodies of interleukin-6 (mabIL-6) onto amine functionalized GS. The prepared GS/mabIL-6/IL-6 systems were successfully used to show that IL-6 was specifically and selectively adsorbed onto the area of the mabIL-6 coffee-ring. Raman imaging was confirmed as a versatile tool to investigate different antigen-antibody interactions and their surface distribution. This experimental approach can be used to develop a wide variety of substrates for antigen-antibody interaction allowing the specific detection of an analyte in a complex matrix.
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) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».