In pursuit of degenerative brain disease diagnosis: Dementia biomarkers detected by DNA aptamer-attached portable graphene biosensor
Notice bibliographique
Résumé
Dementia is a brain disease which results in irreversible and progressive loss of cognition and motor activity. Despite global efforts, there is no simple and reliable diagnosis or treatment option. Current diagnosis involves indirect testing of commonly inaccessible biofluids and low-resolution brain imaging. We have developed a portable, wireless readout-based Graphene field-effect transistor (GFET) biosensor platform that can detect viruses, proteins, and small molecules with single-molecule sensitivity and specificity. We report the detection of three important amyloids, namely, Amyloid beta (Aβ), Tau (τ), and α-Synuclein (αS) using DNA aptamer nanoprobes. These amyloids were isolated, purified, and characterized from the autopsied brain tissues of Alzheimer's Disease (AD) and Parkinson's Disease (PD) patients. The limit of detection (LoD) of the sensor is 10 fM, 1-10 pM, 10-100 fM for Aβ, τ, and αS, respectively. Synthetic as well as autopsied brain-derived amyloids showed a statistically significant sensor response with respect to derived thresholds, confirming the ability to define diseased vs. nondiseased states. The detection of each amyloid was specific to their aptamers; Aβ, τ, and αS peptides when tested, respectively, with aptamers nonspecific to them showed statistically insignificant cross-reactivity. Thus, the aptamer-based GFET biosensor has high sensitivity and precision across a range of epidemiologically significant AD and PD variants. This portable diagnostic system would allow at-home and POC testing for neurodegenerative diseases globally.
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 | 0,001 |
| 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 ».