Ultrasensitive Analysis of <i>Escherichia coli</i> O157:H7 Based on Immunomagnetic Separation and Labeled Surface-Enhanced Raman Scattering with Minimized False Positive Identifications
Notice bibliographique
Résumé
It is a big challenge to monitor pathogens in food with high selectivity. In this study, we reported an ultrasensitive method for Escherichia coli O157:H7 detection based on immunomagnetic separation and labeled surface-enhanced Raman scattering (SERS). The bacterium was identified by heterogeneous recognition elements, monoclonal antibody (mAb), and aptamer. E. coli O157:H7 was separated and enriched by magnetic nanoparticles modified by mAb, and then a plasmonic nanostructure functionalized by aptamers with embedded Raman tags and interior gaps was utilized for further discrimination and detection. The selectivity was enhanced by two binding sites. The higher Raman enhancement was obtained by strong local electromagnetic field oscillation in the gap and the firm embedment of 4-mercaptopyridine (4-Mpy). Optimum experiments created that SERS signals of 4-Mpy at 1010 cm –1 had a good linearity with E. coli O157:H7 at a large range of 10 to 10 7 CFU/mL with a limit of detection of 2 CFU/mL. This method has great potential for on-site food pathogenic bacterial detection.
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 | 0,001 | 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 | 0,000 |
| 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 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 ».