Optimizing the Synthesis of Red- to Near-IR-Emitting CdS-Capped CdTe<i><sub>x</sub></i>Se<sub>1</sub><sub>-</sub><i><sub>x</sub></i> Alloyed Quantum Dots for Biomedical Imaging
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
Advancements in biomedical imaging require the development of optical contrast agents at an emission region of low biological tissue absorbance, fluorescence, and scattering. This region occurs in the red to near-IR (>600 nm) wavelength window. Quantum dots (Qdots) are excellent candidates for such applications. However, there are major challenges with developing high optical quality far-red- to near-IR-emitting Qdots (i.e., poor reproducibility, low quantum yield, and lack of photostability). Our aim is to systematically study how to prepare alloyed CdTe x Se 1- x with these properties. We discovered that the precursor concentrations of Te-to-Se and growth time had major impacts on the Qdot's optical properties. We also learned that the capping of these alloyed Qdots were difficult with ZnS but feasible with CdS because of the ZnS's lattice mismatch with the CdTe x Se 1 - x . These systematic and basic studies led to the optimization of synthetic parameters for preparing Qdots with high quantum yield (>30%), narrow fluorescence full width at half-maxima (<50%), and stability against photobleaching (>10 min under 100W Hg lamp excitation with a 1.4 numerical aperture 60× objective) for biomedical imaging and detection. We further demonstrate the conjugation of biorecognition molecules onto the surface of these alloyed Qdots and characterize their use as contrast agents in multicolored and ultrasensitive imaging.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 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