Au nanoparticle decorated graphene nanosheets for electrochemical immunosensing of p53 antibodies for cancer prognosis
Notice bibliographique
Résumé
The accurate quantification of the level of p53 antibodies in serum is crucial for cancer prognosis. We report a novel and sensitive label-free immunosensor based on gold nanoparticles (Au NPs) self-assembled onto electrochemically reduced graphene oxide (ERGO) for the detection of p53 antibodies. An electrografted p-aminophenol organic layer was used to immobilize graphene oxide (GO) onto the surface of screen printed carbon electrodes (SPCE). The Au NP/ERGO hybrid interface provides a large surface area for the effective immobilization of p53 antigens, as well as it ascertains the bioactivity and stability of immobilized p53 antigens. Scanning electron microscope, Raman and X-ray photoelectron spectroscopies were used to monitor the sensor fabrication and cyclic voltammetry was used to quantify the extent of Au NPs' surface coverage by p53 antigens. Square wave voltammetry (SWV) of a [Fe(CN)6](3-/4-) couple was employed to investigate the immunosensor fabrication and to monitor the binding events between p53 antigens and p53 antibodies. Under optimized experimental conditions, the biosensor displayed good sensitivity and specificity. The p53 antibodies were detected in a concentration as low as 0.088 pg mL(-1) with a linear range from 0.1 pg mL(-1) to 10 ng mL(-1). The high sensitivity of the immunosensor may derive from the high loading of p53 antibodies on Au NPs which increases the number of binding events.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».