MétaCan
Menu
Retour à la cohorte
Enregistrement W4412200950 · doi:10.3390/bios15070447

Dual-Oriented Targeted Nanostructured SERS Label-Free Immunosensor for Detection, Quantification, and Analysis of Breast Cancer Biomarker Concentrations in Blood Serum

2025· article· en· W4412200950 sur OpenAlexaff
Mohammad E. Khosroshahi, Christine Gaoiran, Vithurshan Umashanker, Hayagreev Veeru

Notice bibliographique

RevueBiosensors · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversity of WaterlooUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBiomarkerBreast cancerCancerCancer detectionChromatographyChemistryMedicineBiomedical engineeringInternal medicineBiochemistry

Résumé

récupéré en direct d'OpenAlex

In clinical applications of surface-enhanced Raman spectroscopy (SERS) immunosensors, accurately determining analyte biomarker concentrations is essential. This study presents a non-invasive approach for quantifying various breast cancer biomarkers—including human epidermal growth factor receptor II (HER-II) (2+, 3+ (I), 3+ (II), 3+ (III), and positive IV) and CA 15-3—using a directional, plasmonically active, label-free SERS sensor. Each stage of sensor functionalization, conjugation, and biomarker interaction was verified by UV–Vis spectroscopy. Atomic force microscopy (AFM) characterized the morphology of gold nanourchin (GNU)-immobilized printed circuit board (PCB) substrates. An enhancement factor of ≈ 0.5 × 105 was achieved using Rhodamine 6G as the probe molecule. Calibration curves were initially established using standard HER-II solutions at concentrations ranging from 1 to 100 ng/mL and CA 15-3 at concentrations from 10 to 100 U/mL. The SERS signal intensities in the 620–720 nm region were plotted against concentration, yielding linear sensitivity with R2 values of 0.942 and 0.800 for HER-II and CA15-3, respectively. The same procedure was applied to breast cancer serum (BCS) samples, allowing unknown biomarker concentrations to be determined based on the corresponding calibration curves. SERS data were processed using the filtfilt filter from scipy.signal for smoothing and then baseline-corrected with the Improved Asymmetric Least Squares (IASLS) algorithm from the pybaselines.Whittaker library. Principal Component Analysis (PCA) effectively distinguished the sample groups and revealed spectral differences before and after biomarker interactions. Key Raman peaks were attributed to functional groups including N–H (primary and secondary amines), C–H antisymmetric stretching, C–N (amines), C=O antisymmetric stretching, NH3+ (amines), carbohydrates, glycine, alanine, amides III, C=N stretches, and NH2 in primary amides.

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 enseignants0,199
Score d'incertitude au seuil0,687

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,008
Tête enseignante GPT0,278
Écart entre enseignants0,270 · 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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiosensorsMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207