Multi-labeling strategy to enhance direct aptamer sensor sensitivity for detecting MUC1 tumor marker
Notice bibliographique
Résumé
Aptamers hold great potential for point-of-care diagnostics (POC), but the complexity of sensor architectures and poor sensitivities in detecting small molecules remain challenging. In this study, we present a simple but effective approach to enhance the sensitivity of the electrochemical ap-tamer-based ( E -AB) sensors. The proposed aptamer was labeled by double redox tags through a lysine linker and incorporated with an optimized length of passivation layer, which cooperatively led to gain enhancement and thus higher sensitivity. The analytical performance of this E -AB sen-sor was measured and compared with a conventional E-AB sensor towards the detection of MUC1 in buffer and serum. Our study revealed the double-tagged aptamer with a lysine linker's superior performance, yielding a low 2.4 nM limit of detection (LOD) for MUC1 in buffer, with a wide lin-ear dynamic range (LDR) from 5.0 × 101 to 4.0 × 102 nM. In contrast, the conventional counterpart exhibited a tenfold higher LOD (25.7 nM). This innovative synthetic strategy addresses the limita-tions of the signal-to-noise ratio (S/N) and the need for higher sensitivity towards the detection of the tumor markers, which may hold promise for rapid simple-to-answer technology for P.O·C testing.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».