Rapid detection of tear lactoferrin for diagnosis of dry eyes by using fluorescence polarization-based aptasensor
Notice bibliographique
Résumé
Differentiating dry eye disease (DED) from allergic or viral conjunctivitis rapidly and accurately is important to ensure prompt diagnosis and treatment. Tear lactoferrin (LF), a multi-functional glycoprotein found in tears, decreases significantly in patients with DED, and has been considered as a DED diagnostic biomarker. Measuring tear LF level, however, takes time and requires the use of bulky instruments. Herein, a homogeneous carbon nanostructure-based aptasensor with high sensitivity and selectivity has been developed by applying fluorescence polarization (FP) technology. The FP of carbon dots (CDs) bioconjugated with LF aptamers (CDs-aptamer) is 21.2% higher than that of CDs, which can be further amplified (1.81 times) once interacting with graphene oxide nanosheets (GONS). In the presence of LF, GONS separates from CDs-aptamer because of the stronger binding affinity between CDs-aptamer to LF, resulting in the decrease of FP value. A linear relationship is observed between FP value and LF concentration in spiked tear samples from 0.66 to 3.32 mg/mL. The selectivity of the aptasensor has been investigated by measuring other proteins. The results indicate that the FP-based aptasensor is a cost-effective method with high sensitivity and selectivity in detection of tear LF.
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 | 0,000 |
| 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 ».