Proteolytic Assays on Quantum-Dot-Modified Paper Substrates Using Simple Optical Readout Platforms
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Paper-based assays are a promising diagnostic format for point-of-care applications, field deployment, and other low-resource settings. To date, the majority of efforts to integrate nanomaterials with paper-based assays have utilized gold nanoparticles. Here, we show that semiconductor quantum dots (QDs), in combination with Förster resonance energy transfer (FRET), are also suitable nanomaterials for developing paper-based assays. Paper fibers were chemically modified with thiol ligands to immobilize CdSeS/ZnS QDs, the QDs were self-assembled with dye-labeled peptides to generate efficient FRET, and steady-state and fluorescence lifetime imaging microscopy (FLIM) were used for characterization. Peptides were selected as substrates for three different proteases and a series of kinetic assays for proteolytic activity was carried out, including multiplexed assays and pro-enzyme activation assays. Quantitative results were obtained within 5-60 min at levels as low as 1-2 nM of protease. These assays were possible using simple optical readout platforms that did not negate the low cost, ease of use, and overall accessibility advantages of paper-based assays. A violet light-emitting diode (LED) excitation source and color imaging with either a digital camera, consumer webcam, or smartphone camera were sufficient for analysis on the basis of a red/green color intensity ratio. At most, a universal serial bus (USB) connection to a computer was required and the instrumentation cost orders of magnitude less than that typically utilized for in vitro bioanalyses with QDs. This work demonstrates that QDs are valuable probes for developing a new generation of paper-based diagnostics.
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.
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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle