Surface plasmon resonance biosensing toward real biological sample analysis
Notice bibliographique
Résumé
The development of monolayer chemistry based on amino acid and short peptides decreases significantly the nonspecific adsorption from biological samples such as serum. Nonspecific adsorption of proteins onto the surface of biosensors currently limits the applicability of many biosensing techniques in real biological samples. In order to minimize this problem, a methodology to immobilize short peptides on surface plasmon resonance (SPR) biosensors was developed using a short chain alkyl thiol monolayer derived with the selected peptides. The chain length of the alkane thiol linking the amino acid to the gold surface influences the physico-chemical properties of the layer and the amount of nonspecifically adsorbed proteins. Varying the composition of the monolayer with peptides formed from the natural amino acids investigates the physico-chemical properties required to minimize nonspecific adsorption of serum. It was observed from monolayers of single amino acids that the composition of the side chain of the amino acid greatly influences the resistance to nonspecific adsorption, with more polar, ionic and small chains resulting in an improved performance in biological samples. Building peptides of different lengths resulted in a further decrease of the amount of nonspecifically bound proteins from serum. Leaving the terminal carboxylic acid end of the peptide unreacted provides an anchoring point for a molecular receptor in the design of a biosensor. Biosensing will be demonstrated with a model system of β-lactamase.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».