Digital Immunoassay for Sensitive Quantification of Blood Biomarkers using Solid-State Nanopores
Notice bibliographique
Résumé
Digital immunoassays enable highly sensitive detection of biomolecules, offering absolute quantification rather than relying on bulk signal intensity. We adapt a digital immunoassay scheme for a nanopore sensor – a versatile platform for single-molecule counting. Current nanopore sensors have demonstrated great progress when counting nucleic acids but struggle with proteins due to variability in translocation behaviour and limited recognition strategies. While recent advancements have highlighted the promise of nanopore platforms for protein studies, precise quantification remains a challenge. Here, building on previous work, we present a nanopore-based digital immunoassay that employs gold nanoparticle-mediated molecular amplification with single-molecule readout. This approach translates protein recognition into quantifiable DNA, enabling a precise digital assay. This assay employs a DNA NanoLock probe combined with a paramagnetic bead based immunocapture, where the target proteins trigger a structural transformation of the NanoLock, converting their presence into a binary DNA-based signal. By incorporating AuNPs carrying hundreds of DNA proxy reporters, we effectively amplify the detectable signal by two orders of magnitude, significantly improving sensitivity. We validate the performance of this system by detecting glial fibrillary acidic protein (GFAP), a biomarker for traumatic brain injury (TBI) and neurodegenerative diseases, in plasma samples and demonstrate high femtomolar-level sensitivity (~40 pg/mL). Using the NanoLock probe, we further mitigate previous challenges, with reduced assay times (hours), and extended dynamic range (3-log). The self-calibrating nature of this digital approach offers robust, reproducible measurements across different nanopores, eliminating inter-device variability and paving the way towards scalable point-of-care 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».