Programmed self-assembly of microscale components using biomolecular recognition through the avidin–biotin interaction
Notice bibliographique
Résumé
Following continuing trends in nanofabrication, the near future may see the requirement to integrate and assemble devices and integrated circuits that are below the scale that conventional robotic pick-and-place systems can successfully accommodate. Presented here is a protein–ligand based approach to self-assembling micronscale components onto specific patterned locations on a substrate. Other than the benefits in scale, this integration method may be advantageous for its parallel nature, 3D capabilities, and the ability to integrate devices made from incompatible processing technologies into a single platform (heterogeneous integration). Five micrometer square silicon microtiles were fabricated as model devices for microscale integrated circuits. They were fabricated from a silicon-on-insulator substrate and released into solution by bath ultrasonication after the buried oxide layer underneath them was underetched. A silicon target substrate was also patterned with gold pads for the microtiles to assemble onto. Self-assembled monolayers were employed to functionalize both the microtiles and the gold pads with biotin and avidin, respectively. Due to the very strong protein–ligand binding between avidin and biotin, the functionalized microtiles in solution were able to attach onto the target gold pads with a high selectivity. In this demonstration, for 5 μm square microtiles assembling onto square gold pads of the same size, 2.0% of the gold pads were covered by the microtiles and a selectivity (microtiles assembling onto the gold pads as opposed to the silicon substrate) of 7.3:1 was achieved.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».