Novel electrochemical aptamer-based sensing mechanism inspired by selection strategies
Bibliographic record
Abstract
Des millions de patients souffrant d’insuffisance cardiaque bénéficieraient d’analyses sanguines hebdomadaires pour surveiller l’évolution de leur état de santé comme c’est le cas avec les personnes atteintes du diabète. Cependant, il n’existe pas de technologies d’analyses sanguines rapides et efficaces pour détecter des marqueurs d’insuffisance cardiaque, telle que la créatinine, la NT-proBNP et la troponine I par exemple. La possibilité pour les patients de surveiller leurs taux de créatinine régulièrement, du confort de chez soi, améliorerait largement leur qualité de vie ainsi que leur taux de survie. En suivant leur taux de créatinine, le patient pourrait prédire des signes d’insuffisance cardiaque, et ainsi faire ajuster leur plan de traitement en conséquence. Pour y arriver, les biocapteurs électrochimiques, dont un exemple est le glucomètre, représentent une classe prometteuse de dispositifs d’analyse sanguine puisqu’ils sont faciles à utiliser, rapides, peu coûteux, sensibles, stables et potentiellement universels. Les biocapteurs électrochimiques à base d’ADN pourraient potentiellement être adaptés en biocapteur de créatinine, par l’entremise d’aptamères. Le but de cette recherche est de développer un nouveau mécanisme de détection universel et efficace pouvant être adapté directement à partir des stratégies de sélection des aptamères. Pour ce faire, nous avons identifié et caractérisé un élément de bioreconnaissance sélectif pour la créatinine. Ensuite, nous avons conçu une nouvelle stratégie de détection et nous avons validé cette nouvelle stratégie par spectroscopie de fluorescence avant de l’adapter pour une détection électrochimique. Par la suite, nous avons optimisé les performances du biocapteur en modulant des paramètres analytiques tels que sa gamme linéaire et son gain de signal, tout en validant ses performances dans une matrice complexe comme le sérum. Les résultats de cette recherche suggèrent que la stratégie de conception du nouveau biocapteur électrochimique à base d’aptamère est prometteuse pour la détection efficace de biomarqueurs sanguins. Ce type de mécanisme pourrait être facilement adapté pour détecter d'autres molécules cliniquement pertinentes en modifiant simplement la stratégie de sélection de l'aptamère.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.013 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| 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".