Electrochemiluminescent magnetic biosensor for simultaneous microRNA and parathyroid hormone detection via resonance energy transfer
Notice bibliographique
Résumé
• Dual-target ECL biosensor detects miR-222 and PTH for integrated thyroid malignancy diagnosis. • Uses CRET with luminol and dyes, requiring no external light and minimizing background noise. • Achieves ultrasensitive detection (0.38 fM & 0.22 pg/mL) in 30 minutes for point-of-care testing. Thyroid-related malignancies often involve both oncogenic alterations and endocrine imbalance, necessitating integrated biomarker monitoring. In this work, we report an electrochemiluminescent (ECL) magnetic biosensor for the simultaneous detection of microRNA (miR) and parathyroid hormone (PTH), two clinically relevant indicators of thyroid cancer and parathyroid dysfunction. The sensing platform leverages luminol as an ECL donor and organic dyes as energy acceptors within a chemiluminescence resonance energy transfer (CRET) framework, enabling excitation-free signal generation with low background interference. Surface-modified magnetic nanoparticles serve as dual-function carriers, facilitating efficient magnetic enrichment and high-affinity target recognition. The system achieves sensitive and specific dual-analyte detection in a single assay with broad linear ranges and rapid turnaround. Limits of detection in human serum were 0.38 fM for miR-222 and 0.22 pg/mL for PTH. This CRET-ECL magnetic biosensor offers a rapid, sensitive, and minimally invasive approach for point-of-care evaluation of thyroid malignancy and associated endocrine disorders.
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 ».