MétaCan
Menu
Retour à la cohorte
Enregistrement W1990805101 · doi:10.1021/la062217y

Adsorption and Hybridization of Oligonucleotides on Mercaptoacetic Acid-Capped CdSe/ZnS Quantum Dots and Quantum Dot−Oligonucleotide Conjugates

2006· article· en· W1990805101 sur OpenAlexafffund
W. Russ Algar, Ulrich J. Krull

Notice bibliographique

RevueLangmuir · 2006
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésQuantum dotOligonucleotideChemistryIonic strengthFörster resonance energy transferConjugated systemSolvatochromismHydrogen bondFluorescenceBiomoleculeAdsorptionDNAPhotochemistryNanotechnologyPhysical chemistryMaterials scienceOrganic chemistryPolymerMoleculeAqueous solution

Résumé

récupéré en direct d'OpenAlex

Interest in the unique optical properties of quantum dots (QDs) has resulted in the development QD-bioconjugates for imaging and diagnostics. Although these applications are numerous, considerably less is known about the interactions between QDs and biomolecules. In this work, we describe hydrogen-bonding interactions between oligonucleotides and CdSe/ZnS quantum dots capped with mercaptoacetic acid ligands. The strength of the interactions can be modulated by changes in the pH and ionic strength, the addition of formamide, and differences between ssDNA and dsDNA. Fluorescence resonance energy transfer experiments have shown that conjugated oligonucleotides adopt a conformation that lies across the surface of the QD. The hydrogen-bonding interactions also affect the kinetics of hybridization with QD-DNA conjugates and the thermal stability of QD-conjugated dsDNA. The former is analogous to conventional solid-phase hybridization, where stronger oligonucleotide adsorption leads to faster kinetics. With respect to the latter, interactions with the QD surface can sharpen the melt transition and alter the melt temperature of dsDNA. These effects are largely absent when adsorptive interactions are minimized.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,235
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations108
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLangmuirMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207