Multiplexed immunolabelling of cancer using bioconjugated plasmonic gold–silver alloy nanoparticles
Notice bibliographique
Résumé
Reliable protein detection methods are vital for advancing biological research and medical diagnostics. While immunohistochemistry and immunofluorescence are commonly employed, their limitations underscore the necessity for alternative approaches. This study introduces immunoplasmonic labelling, utilizing plasmonic nanoparticles (NPs), specifically designed gold and gold-silver alloy NPs (Au:Ag NPs), for multiplexed and quantitative protein detection. These NPs, when coupled with antibodies targeting proteins of interest, enable accurate counting and evaluation of protein expression levels while overcoming issues such as autofluorescence. In this study, we compare two nanoparticle functionalization strategies-one coating based on thiolated PEG and one coating based on calix[4]arenes-on gold and gold-silver alloy nanoparticles of varying sizes. Overall results tend to demonstrate a greater versatility for the calix[4]arene-based coating. With this coating and using the classical EDC/sulfo-NHS cross-linking procedure, we also demonstrate the successful multiplexed immunolabelling of Her2, CD44, and EpCAM in breast cancer cell lines (SK-BR-3 and MDA-MB-231). Furthermore, we introduce a user-friendly software for automatic NP detection and classification by colour, providing a promising proof-of-concept for the practical application of immunoplasmonic techniques in the quantitative analysis of biopsies in the clinical setting.
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 | 0,000 | 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) | 0,000 | 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 ».