Low-picomolar limits of detection using high-power light-emitting diodes for fluorescence
Notice bibliographique
Résumé
Fluorescence detectors are ever more frequently being used with light-emitting diodes (LEDs) as the light source. Technological advances in the solid-state lighting industry have produced LEDs which are also suitable tools in analytical measurements. LEDs are now available which deliver 700 mW of radiometric power. While this greater light power can increase the fluorescence signal, it is not trivial to make proper use of this light. This new generation of LEDs has a large emitting area and a highly divergent beam. This presents a classic problem in optics where one must choose between either a small focused light spot, or high light collection efficiency. We have selected for light collection efficiency, which yields a light spot somewhat larger than the emitting area of the LED. This light is focused onto a flow cell. Increasing the detector cell internal diameter (i.d.) produces gains in (sensitivity)3. However, since the detector cell i.d. is smaller than the LED spot size, scattering of excitation light towards the detector remains a significant source of background signal. This can be minimized through the use of spectral filters and spatial filters in the form of pinholes. The detector produced a limit of detection (LOD) of 3 pM, which is roughly three orders of magnitude lower than other reports of LED-based fluorescence detectors. Furthermore, this LOD comes within a factor of six of much more expensive laser-based fluorescence systems. This detector has been used to monitor a separation from a gel filtration column of fluorescently labeled BSA from residual labeling reagent. The LOD of fluorescently labeled BSA is 25 pM.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».