MétaCan
Menu
Retour à la cohorte
Enregistrement W2145945792 · doi:10.1088/0957-4484/25/15/155501

Towards understanding of poly-guanine activated fluorescent silver nanoclusters

2014· article· en· W2145945792 sur OpenAlexaff
Sylwia Walczak, Kiyoshi Morishita, Moin Ahmed, Juewen Liu

Notice bibliographique

RevueNanotechnology · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanocluster Synthesis and Applications
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésNanoclustersFluorescenceActivator (genetics)DNAMaterials scienceGuanineAptamerPhotochemistryBiophysicsBiosensorNanotechnologyAnalytical Chemistry (journal)BiologyMolecular biologyChemistryBiochemistryOpticsGeneNucleotideOrganic chemistryPhysics

Résumé

récupéré en direct d'OpenAlex

It has been recently reported that the fluorescence of some DNA-templated silver nanoclusters (AgNCs) can be significantly enhanced upon by hybridizing with a partially complementary DNA containing a G-rich overhang near the AgNCs. This discovery has found a number of analytical applications but many fundamental questions remain to be answered. In this work, the photostability of these activated AgNCs is reported. After adding the G-rich DNA activator, the fluorescence intensity peaks in ∼1 h and then starts to decay, where the decaying rate is much faster with light exposure. The lost fluorescence is recovered by adding NaBH4, suggesting that the bleaching is an oxidative process. Once activated, the G-rich activator can be removed while the AgNCs still maintain most of their fluorescence intensity. UV-vis spectroscopy suggests that new AgNC species are generated upon hybridization with the activator. The base sequence and length of the template DNA have also been varied, leading to different emission colors and color change after hybridization. G-rich aptamers can also serve as activators. Our results indicate that activation of the fluorescence by G-rich DNA could be a convenient method for biosensor development since the unstable NaBH4 is not required for the activation step.

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)0,000
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,249
Écart entre enseignants0,225 · 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

Citations42
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanotechnologyMême sujetNanocluster Synthesis and ApplicationsTravaux en français237 207