Effect of silver and titanium dioxide nanoparticles on PCR efficiency
Notice bibliographique
Résumé
Interaction between nanomaterials and biological systems and the role nanomaterials play in biochemical reactions is of great interest nowadays due to the unique properties of nanomaterials and their potential applications in Biomedical Engineering. Recently, nanoparticle PCR research has attracted more attention. However, research has been focused on gold nanoparticles exclusively and there is no work about the effect of other nanoparticles reported yet. In this work, the effect of silver nanoparticles (AgNPs) and titanium dioxide nanoparticles (TiO2NPs) is evaluated using a real-time PCR machine. It is found that AgNPs start to cause PCR inhibition at 30 μg/mL. TiO2NPs exhibit much stronger inhibitory effect. They start to cause PCR inhibition at 0.8 μg/mL. When different amounts of AgNPs and TiO2NPs are added to PCR solution, some interesting phenomenon is observed. The effect of the combination of AgNPs and TiO2NPs is not simply the linear combination of the effect of individual AgNPs and TiO2NPs. However, by choosing the combination of AgNPs and TiO2NPs, PCR inhibition can be minimized. The observations suggest that a complex interaction mechanism exists between AgNPs and TiO2NPs.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».