Protein-Induced DNA Dumbbell Amplification (PINDA) and its applications to food hazards detection
Notice bibliographique
Résumé
Quantification of trace amounts of proteins is technically challenging because proteins cannot be directly amplified like nucleic acids. To improve the analytical sensitivity and to complement conventional protein analysis methods, we developed a highly sensitive and homogeneous detection strategy called Protein-Induced DNA Dumbbell Amplification (PINDA). PINDA combines protein recognition with exponential nucleic acid amplification by using protein binding probes made of DNA strands conjugated to protein affinity ligands. When a pair of probes bind to the same target protein, complementary nucleic acid sequences that are conjugated to each probe are brought into close proximity. The increased local concentration of the probes results in the formation of a stable dumbbell structure of the nucleic acids. The DNA dumbbell is readily amplifiable exponentially using techniques such as loop-mediated isothermal amplification. The PINDA assay eliminates the need for washing or separation steps, and is suitable for on-site applications. Detection of the model protein, thrombin, has a linear range of 10 fM-100 pM and detection limit of 10 fM. The PINDA technique is successfully applied to the analysis of dairy samples for the detection of β-lactoglobulin, a common food allergen, and Salmonella enteritidis, a foodborne pathogenic bacterium. The PINDA assay can be easily modified to detect other targets by changing the affinity ligands used to bind to the specific targets.
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 ».