MétaCan
Menu
Retour à la cohorte
Enregistrement W4410633096 · doi:10.3791/67973

Cell-Free Dot Blot as a Practical and Adaptable Immunoassay Platform for the Detection of Antibody Response in Human and Animal Sera

2025· article· en· W4410633096 sur OpenAlexaff
Masoud Norouzi, Riham Zayeni, Serena Singh, Keith Pardee

Notice bibliographique

RevueJournal of Visualized Experiments · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Biosensing Techniques and Applications
Établissements canadiensCanadian Association for Co-operative EducationUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésImmunoassayWestern blotAntibodyDot blotAntibody responseBiologyImmunologyMolecular biologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

The string of global pathogenic outbreaks over the past two decades has highlighted the importance of serosurveillance strategies. Immunoassay platforms that serve to detect disease-specific antibodies in patients' sera are at the core of serosurveillance. Common examples include enzyme-linked immunosorbent assays and lateral flow assays; however, while these are gold standard methods, they require pathogen-specific consumables and specialized equipment, which limits their use outside of well-resourced laboratories. We have recently developed a novel immunoassay platform called Cell-Free Dot-Blot (CFDB) and validated it using human and animal sera against SARS-CoV-2. Unlike conventional immunoassays, CFDB patient serum samples are immobilized to a solid phase (nitrocellulose membrane), while the target antigen is suspended in the mobile phase of the assay. To improve access to serosurveillance capabilities, CFDB antigens are produced on demand and with low-burden infrastructure using in vitro protein expression. Here, the antigen is fused with a peptide tag that can be detected using a single universal reporter protein for any CFDB assay. The result is that the CFDB does not require access to a multi-well plate reader or purified commercial molecular assay components. With these design considerations, CFDB addresses the shortcomings of existing immunoassay platforms by providing accessibility to non-centralized laboratories, adaptability for emerging pathogens, and affordability for lower-income communities. In the current article, we will provide a step-by-step protocol to prepare and perform a CFDB immunoassay. Using our recent work on SARS-CoV-2 CFDB as an example, we will cover antigen DNA design for on-demand cell-free production, followed by preparation of the CFDB reporter protein, immobilization of serum samples on the solid phase, and finally, antigen-binding and detection steps of the assay. We anticipate that by following these instructions, researchers will be able to adapt the CFDB assay to detect immune responses in human and animal sera to any given pathogen.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,231

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,453
Écart entre enseignants0,430 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Visualized ExperimentsMême sujetAdvanced Biosensing Techniques and ApplicationsTravaux en français237 207