MétaCan
Menu
Retour à la cohorte
Enregistrement W2049188949 · doi:10.1021/ja511444e

Hydrogen Peroxide Displacing DNA from Nanoceria: Mechanism and Detection of Glucose in Serum

2015· article· en· W2049188949 sur OpenAlexafffund
Biwu Liu, Ziyi Sun, Po‐Jung Jimmy Huang, Juewen Liu

Notice bibliographique

RevueJournal of the American Chemical Society · 2015
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Nanomaterials in Catalysis
Établissements canadiensNational Institute for Nanotechnology
Organismes subventionnairesOntario Ministry of Research and InnovationNatural Sciences and Engineering Research Council of CanadaResearch and Innovation FoundationUniversity of Waterloo
Mots-clésChemistryHydrogen peroxideGlucose oxidaseBiosensorNanoparticleDNAPeroxidaseFluorescenceCombinatorial chemistryCatalaseBiophysicsBiochemistryNanotechnologyEnzyme

Résumé

récupéré en direct d'OpenAlex

Hydrogen peroxide (H2O2) is a key molecule in biology. As a byproduct of many enzymatic reactions, H2O2 is also a popular biosensor target. Recently, interfacing H2O2 with inorganic nanoparticles has produced a number of nanozymes showing peroxidase or catalase activities. CeO2 nanoparticle (nanoceria) is a classical nanozyme. Herein, a fluorescently labeled DNA is used as a probe, and H2O2 can readily displace adsorbed DNA from nanoceria, resulting in over 20-fold fluorescence enhancement. The displacement mechanism instead of oxidative DNA cleavage is confirmed by denaturing gel electrophoresis and surface group pKa measurement. This system can sensitively detect H2O2 down to 130 nM (4.4 parts-per-billion). When coupled with glucose oxidase, glucose is detected down to 8.9 μM in buffer. Detection in serum is also achieved with results comparable with that from a commercial glucose meter. With an understanding of the ligand role of H2O2, new applications in rational materials design, sensor development, and drug delivery can be further exploited.

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 recherche0,0010,000
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 Opus0,010
Tête enseignante GPT0,240
Écart entre enseignants0,230 · 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

Citations423
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the American Chemical SocietyMême sujetAdvanced Nanomaterials in CatalysisTravaux en français237 207