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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».