Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userDETECTION OF miRNA USING SURFACE PLASMON RESONANCE (SPR)
الكشف عن miRNA باستخدام SPR
1375
0 26
0
(
0
)
Added by
Aِl-Baath University ورقة بحثية
Publication date
2016
fields
Pharmacy
and research's language is
العربية
Created by
Shamra Editor
Ask ChatGPT about the research
تعد MicroRNAs جهة وحيدة غير مشفرة لجزيئات ال RNA القادرة على تنظيم ترجمة البروتين الهدف و بالتالي التحكم بالوظائف البيولوجية, تعتبر miRANs مؤهلة لتكون علامات تشخيصية قادرة على المساعدة في الفحص المبكر عن الأمراض, ففي حالة مرض ما تكون تراكيز ال miRNAs المحددة و المخصصة لهذا المرض متفاوتة الكمية. للكشف عن miRNA نستخدم تقنية ال SPR (جهاز استشعار سطح الرنين البلازمي) و التي تسمح بقياس التفاعلات بين الجزيئات على سطح ما بشكل آني. لهذا الغرض, تثبت عينات ال thiolated LNA على السطح الذهبي للشريحة.
MicroRNAs (miRNAs) are single-stranded, non-coding RNA molecules, which can regulate the translation of target proteins and thereby control biological functions. They qualify as diagnostic markers and can help to detect diseases earlier. In case of a disease the concentrations of specific miRNAs which are characteristic for it do vary in quantity. For the detection of miRNA we are using a surface plasmon resonance (SPR) biosensor, which allows to measure interactions of molecules at an interface in real-time. For this, thiolated LNA capture probes are immobilized on the gold chip.
Artificial intelligence review:
Research summary
تتناول هذه الورقة البحثية استخدام تقنية الرنين البلازمي السطحي (SPR) للكشف عن جزيئات الميكرو RNA (miRNA)، وهي جزيئات RNA غير مشفرة تلعب دورًا هامًا في تنظيم ترجمة البروتينات والتحكم في الوظائف البيولوجية. تعتبر miRNAs علامات تشخيصية واعدة للكشف المبكر عن الأمراض، حيث تتغير تراكيزها بشكل ملحوظ في حالة الإصابة بمرض معين. تعتمد التقنية المستخدمة على تثبيت مجسات LNA المعدلة على شريحة ذهبية، حيث تتفاعل جزيئات miRNA الهدف مع سطح الشريحة وترتبط بخيوط LNA المكملة، مما ينتج عنه إشارة قياس فيزيائية. نظرًا لصغر حجم جزيئات miRNA وتركيزها المنخفض، يتطلب الكشف باستخدام SPR تضخيماً حساساً للإشارة، والذي يمكن تحقيقه باستخدام جزيئات أكبر مثل الأجسام المضادة. قدم الباحثون جهاز استشعار بيولوجي حساس يعتمد على SPR ويستخدم شريحة هجينة microfluidic لقياس تراكيز منخفضة من miRNA. باستخدام جسم مضاد هجين لتعزيز الإشارة، تمكن الباحثون من الوصول إلى حد كشف يصل إلى 10 pmol/l. تتضمن الورقة وصفًا تفصيليًا للمواد والطرق المستخدمة، بما في ذلك إعداد الشرائح وتجهيز العينات وإجراءات القياس. كما تتناول النتائج والمناقشة، حيث أظهر الباحثون إمكانية تحسين حدود الكشف باستخدام تضخيم الإشارة بواسطة الجسم المضاد الهجين. توصي الورقة بمزيد من الأبحاث لتطوير طرق تضخيم إضافية للإشارة وتحسين حدود الكشف بشكل أكبر.
Critical review
دراسة نقدية: تقدم هذه الورقة البحثية إسهامًا مهمًا في مجال الكشف عن جزيئات miRNA باستخدام تقنية SPR، وتوضح الإمكانيات الكبيرة لهذه التقنية في التشخيص المبكر للأمراض. ومع ذلك، يمكن تقديم بعض الملاحظات النقدية لتحسين الدراسة. أولاً، قد يكون من المفيد توسيع نطاق الدراسة لتشمل أنواعًا أخرى من miRNA واختبار التقنية على عينات حقيقية من المرضى بدلاً من العينات المخبرية فقط. ثانيًا، على الرغم من أن الورقة تقدم وصفًا تفصيليًا للمواد والطرق، إلا أن القارئ قد يستفيد من توضيح أكثر حول كيفية تحسين حساسية الجهاز بشكل أكبر. أخيرًا، يمكن أن تكون هناك حاجة لمزيد من الدراسات المقارنة مع تقنيات أخرى للكشف عن miRNA لتحديد مزايا وعيوب SPR بشكل أكثر دقة.
Questions related to the research
-
ما هي تقنية الرنين البلازمي السطحي (SPR) وكيف تعمل؟
تقنية الرنين البلازمي السطحي (SPR) هي تقنية نوعية لقياس التفاعلات الجزيئية البيولوجية في الوقت الحقيقي دون الحاجة لاستخدام علامات. تعمل عن طريق تثبيت أحد المواد المتفاعلة على سطح جهاز الاستشعار بينما يكون الآخر حرًا في المحلول، مما يسمح بقياس التفاعلات عند السطح وتحويلها إلى إشارات فيزيائية.
-
ما هو دور miRNA في التشخيص المبكر للأمراض؟
تلعب miRNA دورًا هامًا في تنظيم ترجمة البروتينات والتحكم في الوظائف البيولوجية. في حالة الإصابة بمرض معين، تتغير تراكيز miRNA بشكل ملحوظ، مما يجعلها علامات تشخيصية واعدة للكشف المبكر عن الأمراض.
-
كيف يمكن تحسين حساسية الكشف باستخدام تقنية SPR؟
يمكن تحسين حساسية الكشف باستخدام تقنية SPR عن طريق تضخيم الإشارة باستخدام جزيئات أكبر مثل الأجسام المضادة. في هذه الدراسة، استخدم الباحثون جسمًا مضادًا هجينًا لتعزيز الإشارة، مما مكنهم من الوصول إلى حد كشف يصل إلى 10 pmol/l.
-
ما هي التوصيات المستقبلية التي قدمها الباحثون في هذه الدراسة؟
أوصى الباحثون بإجراء المزيد من الأبحاث لتطوير طرق تضخيم إضافية للإشارة وتحسين حدود الكشف بشكل أكبر. كما اقترحوا استخدام التقنية للكشف عن miRNA-93 في خلايا مأخوذة من بنك الخلايا لإمكانية التوصيف النوعي للعينات.
References used
Nguyen, H.H., Park, J., Kang, S., Kim, M., 2015- Surface plasmon resonance: a versatile technique for biosensor applications. Sensors (Basel, Switzerland).15, pp.10481– 10510
Mariani, S., Minunni, M., 2014- Surface plasmon resonance applications in clinical analysis. Analytical and bioanalytical chemistry. 406, pp. 2303–2323
Šípová, H., Homola, J., 2013- Surface plasmon resonance sensing of nucleic acids: a review. AnalyticaChimicaActa. 773, pp. 9–23
rate research
Read More
Detecting lexical semantic change in smaller data sets, e.g. in historical linguistics and digital humanities, is challenging due to a lack of statistical power. This issue is exacerbated by non-contextual embedding models that produce one embedding
per word and, therefore, mask the variability present in the data. In this article, we propose an approach to estimate semantic shift by combining contextual word embeddings with permutation-based statistical tests. We use the false discovery rate procedure to address the large number of hypothesis tests being conducted simultaneously. We demonstrate the performance of this approach in simulation where it achieves consistently high precision by suppressing false positives. We additionally analyze real-world data from SemEval-2020 Task 1 and the Liverpool FC subreddit corpus. We show that by taking sample variation into account, we can improve the robustness of individual semantic shift estimates without degrading overall performance.
Machine learning methods for financial document analysis have been focusing mainly on the textual part. However, the numerical parts of these documents are also rich in information content. In order to further analyze the financial text, we should as
say the numeric information in depth. In light of this, the purpose of this research is to identify the linking between the target cashtag and the target numeral in financial tweets, which is more challenging than analyzing news and official documents. In this research, we developed a multi model fusion approach which integrates Bidirectional Encoder Representations from Transformers (BERT) and Convolutional Neural Network (CNN). We also encode dependency information behind text into the model to derive semantic latent features. The experimental results show that our model can achieve remarkable performance and outperform comparisons.
This paper presents one of the top five winning solutions for the Shared Task on Sarcasm and Sentiment Detection in Arabic (Subtask-1 Sarcasm Detection). The goal of the task is to identify whether a tweet is sarcastic or not. Our solution has been d
eveloped using ensemble technique with AraBERT pre-trained model. We describe the architecture of the submitted solution in the shared task. We also provide the experiments and the hyperparameter tuning that lead to this result. Besides, we discuss and analyze the results by comparing all the models that we trained or tested to achieve a better score in a table design. Our model is ranked fifth out of 27 teams with an F1 score of 0.5985. It is worth mentioning that our model achieved the highest accuracy score of 0.7830
In this paper, we describe our approach towards utilizing pre-trained models for the task of hope speech detection. We participated in Task 2: Hope Speech Detection for Equality, Diversity and Inclusion at LT-EDI-2021 @ EACL2021. The goal of this tas
k is to predict the presence of hope speech, along with the presence of samples that do not belong to the same language in the dataset. We describe our approach to fine-tuning RoBERTa for Hope Speech detection in English and our approach to fine-tuning XLM-RoBERTa for Hope Speech detection in Tamil and Malayalam, two low resource Indic languages. We demonstrate the performance of our approach on classifying text into hope-speech, non-hope and not-language. Our approach ranked 1st in English (F1 = 0.93), 1st in Tamil (F1 = 0.61) and 3rd in Malayalam (F1 = 0.83).
State-of-the-art transformer models have achieved robust performance on a variety of NLP tasks. Many of these approaches have employed domain agnostic pre-training tasks to train models that yield highly generalized sentence representations that can
be fine-tuned for specific downstream tasks. We propose refining a pre-trained NLP model using the objective of detecting shuffled tokens. We use a sequential approach by starting with the pre-trained RoBERTa model and training it using our approach. Applying random shuffling strategy on the word-level, we found that our approach enables the RoBERTa model achieve better performance on 4 out of 7 GLUE tasks. Our results indicate that learning to detect shuffled tokens is a promising approach to learn more coherent sentence representations.
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
