基于超表面等离子体共振技术的甲胎蛋白亲和力与定量检测
目的 基于超表面等离子共振（metasurface plasmon resonance，MetaSPR）技术开发一种新型生物传感器，用于甲胎蛋白（alpha-fetoprotein，AFP）抗原抗体亲和力评价及人血清中…
基本信息
资源简介
基于超表面等离子体共振技术的甲胎蛋白亲和力与定量检测
【一句话概览】
本数据集是 ScienceDB 公开的结构化表格数据集，收录 1 个文件，主题涵盖 超表面等离子共振、甲胎蛋白、亲和力、定量检测、金纳米颗粒，可用于统计建模、特征工程与队列分析。
【数据集背景】
本数据集源站标题为《超表面SPR技术用于甲胎蛋白亲和力与定量检测》。源站首次发布：2025-04-17。
【数据内容】
源站原始描述：目的 基于超表面等离子共振（metasurface plasmon resonance，MetaSPR）技术开发一种新型生物传感器，用于甲胎蛋白（alpha-fetoprotein，AFP）抗原抗体亲和力评价及人血清中AFP的快速定量检测。方法 利用纳米压印技术，通过激光干涉光刻结合离子蚀刻技术制作出MetaSPR生物传感器，通过特有的3D纳米杯超表面阵列结构弥补了传统SPR技术的不足，结合金纳米颗粒（AuNPs）标记技术，显著提升检测性能。结果 该传感器对AFP抗原抗体的亲和力参数(KD)为0.681 nmol/L和0.225 nmol/L。利用AuNPs标记技术作为放大体系，通过双抗夹心法建立的标准曲线在0.5-32 ng/mL线性良好（R2 = 0.997），检测灵敏度（LOD）达到0.2 ng/mL，较传统ELISA的LOD提升10倍，检测时间为15 min，较传统ELISA的检测时间提升16倍。加标回收率为82%-120%，且特异性验证显示无交叉反应。结论 本研究开发的基于MetaSPR技术的AFP抗原检测平台操作简便、快速、高灵敏、成本低，可在15 min内完成高通量准确定…
中文译文（机器翻译，仅供快速理解，请以原文为准）：目的 基于超表面等离子共振（metasurface plasmon resonance，MetaSPR）技术开发一种新型生物传感器，用于甲胎蛋白（alpha-fetoprotein，AFP）抗原抗体亲和力评价及人血清中AFP的快速定量检测。方法 利用纳米压印技术，通过激光干涉光刻结合离子蚀刻技术制作出MetaSPR生物传感器，通过特有的3D纳米杯超表面阵列结构弥补了传统SPR技术的不足，结合金纳米颗粒（AuNPs）标记技术，显著提升检测性能。结果 该传感器对AFP抗原抗体的亲和力参数(KD)为0.681 nmol/L和0.225 nmol/L。利用AuNPs标记技术作为放大体系，通过双抗夹心法建立的标准曲线在0.5-32 ng/mL线性良好（R2 = 0.997），检测灵敏度（LOD）达到0.2 ng/mL，较传统ELISA的LOD提升10倍，检测时间为15 min，较传统ELISA的检测时间提升16倍。加标回收率为82%-120%，且特异性验证显示无交叉反应。结论 本研究开发的基于MetaSPR技术的AFP抗原检测平台操作简便、快速、高灵敏、成本低，可在15 min内完成高通量准确定量检测，有望为恶性肿瘤标志物检测提供新型技术方案，对推动肝癌早期诊断和个体化治疗具有重要临床意义。
【数据结构与技术规格】
文件数 1 个。数据集 DOI：10.57760/sciencedb.j00217.07258。
【主题与分类】
主题标签：超表面等离子共振、甲胎蛋白、亲和力、定量检测、金纳米颗粒、Metasurface plasmon resonance、Alpha-fetoprotein、Affinity、Quantitative detection、AuNPs。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://www.scidb.cn/detail?dataSetId=OA_7a34f039806643ef815a267660aa2eb7
规范引用：CSTR 31253.11.sciencedb.j00217.07258
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://www.scidb.cn/detail?dataSetId=OA_7a34f039806643ef815a267660aa2eb7
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
