SERS Characterization of Filtrate Portions of Typhoid Blood Serum Samples Using 30 kDa Filtration Devices
Notice bibliographique
Résumé
ABSTRACT Typhoid fever remains a significant global public health concern and continues to pose serious diagnostic challenges, particularly in the differentiation of different stages of infection. In this study, surface‐enhanced Raman spectroscopy (SERS) combined with ultracentrifugation was explored to design a reliable method for characterization and identification of typhoid serum filtrate. During the analysis of serum samples by SERS, the presence of high molecular weight fractions (HMWF) occupying greater surface area masks the presence of low molecular weight fractions (LMWF). Therefore, HMWF was removed from the healthy and typhoid serum samples, and SERS was employed for the biomolecular analysis and differentiation of filtrate portions of serum containing LMWF less than 30 kDa. Silver nanoparticles, as substrates, were used that enhanced Raman signals of the biomolecules in the filtrate samples. The results show notable differences in the spectra of two stages of typhoid and healthy samples (control group) at 394, 648, 742, 771, 930, 1012, 1218, 1424, and 1538 cm −1 . A chemometric tool, principal component analysis (PCA), was used to differentiate early‐ and late‐stage typhoid from each other and control group. PCA highlighted the spectral differences between healthy and diseased samples and classified them separately that proves the diagnostic ability of SERS from LMWF of serum samples. SERS has characterized and differentiated effectively early‐ and late‐stage typhoid from each other as well as from healthy individuals by using LMWF of the blood serum samples. The results proved the diagnostic ability of SERS for typhoid fever and offered a noninvasive, rapid, and cost‐effective method for disease detection and progression study.
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 ».