Design and Characterization of a Dual-Protein Strategy for an Early-Stage Assay of Ovarian Cancer Biomarker Lysophosphatidic Acid
Notice bibliographique
Résumé
The overall 5-year survival rate of ovarian cancer (OC) is generally low as the disease is often diagnosed at an advanced stage of progression. To save lives, OC must be identified in its early stages when treatment is most effective. Early-stage OC causes the upregulation of lysophosphatidic acid (LPA), making the molecule a promising biomarker for early-stage detection. An LPA assay can additionally stage the disease since LPA levels increase with OC progression. This work presents two methods that demonstrate the prospective application for detecting LPA: the electromagnetic piezoelectric acoustic sensor (EMPAS) and a chemiluminescence-based iron oxide nanoparticle (IONP) approach. Both methods incorporate the protein complex gelsolin-actin, which enables testing for detection of the biomarker as the binding of LPA to the complex results in the separation of gelsolin from actin. The EMPAS was characterized with contact angle goniometry and atomic force microscopy, while gelsolin-actin-functionalized IONPs were characterized with transmission electron microscopy and Fourier transform infrared spectroscopy. In addition to characterization, LPA detection was demonstrated as a proof-of-concept in Milli-Q water, buffer, or human serum, highlighting various LPA assays that can be developed for the early-stage detection of OC.
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 | 0,001 | 0,001 |
| 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 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 ».