MétaCan
Menu
Retour à la cohorte
Enregistrement W2103944053 · doi:10.1039/c1sm05284e

Oligonucleotide-functionalized hydrogels as stimuli responsive materials and biosensors

2011· article· en· W2103944053 sur OpenAlexaff
Juewen Liu

Notice bibliographique

RevueSoft Matter · 2011
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésSelf-healing hydrogelsBiosensorPolymerOligonucleotideDNASmart materialNucleaseIonic strengthMaterials scienceNanotechnologyIonic bondingMoleculeMolecular recognitionMicrofluidicsChemistryPolymer chemistryOrganic chemistryIonBiochemistryAqueous solution

Résumé

récupéré en direct d'OpenAlex

Hydrogels are crosslinked hydrophilic polymers that undergo swelling in water. The gel volume is affected by many environmental parameters including temperature, pH, ionic strength, and solvent composition. Therefore, these factors have been traditionally used for making smart hydrogels. DNA, on the other hand, is a special block copolymer. Incorporation of DNA within a hydrogel network can have several important effects. For example, DNA can serve as a reversible crosslinker modulating the mechanical and rheological properties of a hydrogel. Second, DNA can selectively bind to a variety of different molecules. Attaching these binding DNAs (aptamers) to hydrogel makes it possible to expand the range of stimuli to chemical and biological molecules. At the same time, the gel matrix can also improve DNA-based sensors and materials. For example, the hydrogel can be dried for storage and rehydrated prior to use and the immobilized DNAs are protected from nuclease cleavage. The gel backbone property can also be tuned to affect the interaction between DNA and other molecules. The rational functionalization of DNA in hydrogels has generated a diverse range of smart materials and biosensors. In the last 15 years, the field has made tremendous progress and some of the recent developments are summarized in this review. Challenges and possible future directions 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.

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)0,001
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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,016
Tête enseignante GPT0,262
Écart entre enseignants0,246 · 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

Citations192
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSoft MatterMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207