Adsorption of DNA onto gold nanoparticles and graphene oxide: surface science and applications
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
The interaction between DNA and inorganic surfaces has attracted intense research interest, as a detailed understanding of adsorption and desorption is required for DNA microarray optimization, biosensor development, and nanoparticle functionalization. One of the most commonly studied surfaces is gold due to its unique optical and electric properties. Through various surface science tools, it was found that thiolated DNA can interact with gold not only via the thiol group but also through the DNA bases. Most of the previous work has been performed with planar gold surfaces. However, knowledge gained from planar gold may not be directly applicable to gold nanoparticles (AuNPs) for several reasons. First, DNA adsorption affinity is a function of AuNP size. Second, DNA may interact with AuNPs differently due to the high curvature. Finally, the colloidal stability of AuNPs confines salt concentration, whereas there is no such limit for planar gold. In addition to gold, graphene oxide (GO) has emerged as a new material for interfacing with DNA. GO and AuNPs share many similar properties for DNA adsorption; both have negatively charged surfaces but can still strongly adsorb DNA, and both are excellent fluorescence quenchers. Similar analytical and biomedical applications have been demonstrated with these two surfaces. The nature of the attractive force however, is different for each of these. DNA adsorption on AuNPs occurs via specific chemical interactions but adsorption on GO occurs via aromatic stacking and hydrophobic interactions. Herein, we summarize the recent developments in studying non-thiolated DNA adsorption and desorption as a function of salt, pH, temperature and DNA secondary structures. Potential future directions and applications are also discussed.
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 | 0,001 |
| 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 découle