Biofunctionnalized microparticles based sandwiches for in vitro platelet genotyping test : detection by evanescent waves biosensor, fluorescence scanner and flow cytometry
Bibliographic record
Abstract
Cette thèse porte sur l’élaboration d’un outil de capture d’ADN permettant d’identifier une mutation génétique (SNP) grâce à la formation de sandwichs avec des particules de carboxylatex biofonctionnalisées avec des oligonucléotides couplée à une détection de la fluorescence. Le modèle biologique choisi pour ce projet est le génotypage plaquettaire et plus particulièrement la recherche du gène biallélique HPA-1. Le principal objectif de ce travail a été d’optimiser un outil de capture préalablement développé dans l’équipe (Trévisan, 2011) afin de réduire le nombre d’étapes et de simplifier la mise en oeuvre globale du test en modifiant les interactions moléculaires utilisée pour capturer l’ADN cible et en utilisant des particules fluorescentes comme élément de détection. En présence d’ADN cible, des sandwichs sont formés entre les particules fluorescentes et les particules magnétiques biofonctionnalisées. Ces sandwichs sont purifiés par séparation magnétique et la fluorescence est détectée par trois méthodes : la cytométrie en flux, l’imagerie de fluorescence et l’Evareader (détection par ondes évanescentes). Dans un premier temps, les paramètres de fonctionnalisation chimique et biologique des différentes particules (magnétiques et fluorescentes) ont été déterminés et optimisés ainsi que les conditions d’hybridation pour la capture de l’ADN cible. Ensuite, la formation des sandwichs et leur détection ont été suivies par des mesures de fluorescence en utilisant trois méthodes différentes : la cytométrie en flux, l’imagerie de fluorescence et l’Evareader (capteur à ondes évanescentes). Les résultats obtenus avec les différentes méthodes de détection sont concordants et montrent que l’outil de capture d’ADN développé permet de capturer la cible synthétique (oligonucléotide) HPA-1 en réduisant le temps d’analyse de 45 min. Dans nos conditions, le test permet de discriminer l’allèle a de l’allèle b du gène HPA-1 qui ne diffère que d’un nucléotide. Le rapport des signaux de fluorescence issus du sandwich spécifique et du sandwich non spécifique est d’environ 2,5 à 3. Ce rapport devra être amélioré par la suite, en optimisant les conditions de formation des sandwichs. La prochaine étape consistera à optimiser le système de capture d’ADN développé pour gagner en spécificité et déterminer la limite de détection du test. Ce test devra également être validé avec des échantillons biologiques. A plus long terme, la fluorescence pourra être détectée par un photodétecteur miniaturisé actuellement développé à l’Université de Sherbrooke. Des études préliminaires présentées dans ce manuscrit montrent les potentialités de ce nouveau transducteur.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".