Engineering Nanoparticles for Multiplexed Point-of-Care and Clinical Diagnostics
Notice bibliographique
Résumé
Point-of-care diagnostics promptly provide a diagnostic output that allows a healthcare worker to make a clinical decision at a respective testing site. Their development has been encouraged by the World Health Organization (WHO) and other agencies for use in developing nations that lack proper medical infrastructure. Despite several academic pursuits, only a few point-of-care-based diagnostics have made it to field trials or through regulatory approval. Nanomaterials have gained popularity as ideal building blocks for developing point-of-care diagnostics due to their unique optical properties for chemical sensing and large surface areas for the dense attachment of biomolecules. In this thesis, I engineer nanoparticle-based assays and detection strategies to develop multiplexed and point-of-care diagnostics. First, I design a modular nucleic acid structure that improves the detection sensitivity of nanoparticle-based assays for infectious diseases. This strategy stabilizes oligonucleotides on the surface of nanoparticles and leads to a 114-fold improvement in detection sensitivity. Next, I demonstrate a multiplexed diagnostic system to genotype viral variants. I demonstrate that viral variants can be genotyped by analyzing the signal they produce in response to different nucleic acid particles in a solution. Using this barcode system, I tracked the emergence of the N501Y SARS-CoV-2 variant with 94% accuracy. Lastly, I integrate my work to develop a portable smartphone-based multiplexed assay for real-time surveillance of patients infected with SARS-CoV-2. The device uploads results to a database to provide instantaneous results to inform patients, physicians, and public health agencies. The culmination of my work results in a device for real-time surveillance of SARS-CoV-2 seroprevalence. With each aim in this thesis, I built and validated nanoparticle-based assays and integrated them into a multiplexed and point-of-care diagnostic device. Researchers can leverage the developments in this thesis to develop the next generation of point-of-care diagnostics.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».