MétaCan
Menu
Retour à la cohorte
Enregistrement W2027101112 · doi:10.1021/ja1017442

Templated Synthesis of DNA Nanotubes with Controlled, Predetermined Lengths

2010· article· en· W2027101112 sur OpenAlexafffund
Pik Kwan Lo, Florian Altvater, Hanadi F. Sleiman

Notice bibliographique

RevueJournal of the American Chemical Society · 2010
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensMcGill University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésDNADNA origamiNanotechnologyNanotubeChemistryDNA nanotechnologyA-DNANanostructureCarbon nanotubeBiophysicsMaterials scienceBiology

Résumé

récupéré en direct d'OpenAlex

We report a DNA-templated approach to construct nanotubes with controlled lengths and narrow molecular weight distribution, allowing the deliberate variation of this length. This approach relies on the facile and modular assembly of a DNA guide strand of precise length that contains single-stranded gaps repeating at every 50 nm. This is followed by positioning triangular DNA "rungs" on each of these single-stranded gaps and adding identical linking strands to the two other sides of the triangles to close the DNA nanotubes. The length of the guide strand can be deliberately changed. We show the use of this approach to produce nanotubes with lengths of 1 microm or 500 nm and narrow length distributions. This is in contrast to nontemplated approaches, which lead to long and polydisperse nanotubes. We also demonstrate the encapsulation of 20 nm gold nanoparticles within these well-defined nanotubes to form finite lines of gold nanoparticles with longitudinal plasmon coupling, with a number of potential nanophotonic applications. This guiding strand approach is a useful tool in the creation of DNA nanostructures, in this case allowing the use of a simple template generated by a minimal number of DNA strands to program the length and molecular weight distribution of assemblies, as well as to organize any number of DNA-labeled nano-objects into finite structures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,012
Score d'incertitude au seuil0,268

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,004
Tête enseignante GPT0,240
Écart entre enseignants0,236 · 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 tête enseignante, 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

Citations66
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the American Chemical SocietyMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207