Silica Shell/Gold Core Nanoparticles: Correlating Shell Thickness with the Plasmonic Red Shift upon Aggregation
Notice bibliographique
Résumé
Differences in the wavelengths of the surface plasmon band of gold nanoparticles (AuNP)--before and after particle aggregation--are widely used in bioanalytical assays. However, the gold surfaces in such bioassays can suffer from exchange and desorption of noncovalently bound ligands and from nonspecific adsorption of biomolecules. Silica shells on the surfaces of the gold can extend the available surface chemistries for bioconjugation and potentially avoid these issues. Therefore, silica was grown on gold surfaces using either hydrolysis/condensation of tetraethyl orthosilicate 1 under basic conditions or diglyceroxysilane 2 at neutral pH. The former precursor permitted slow, controlled growth of shells from about 1.7 to 4.3 nm thickness. By contrast, 3-4 nm thick silica shells formed within an hour using diglyceroxysilane; thinner or thicker shells were not readily available. Within the range of shell thicknesses synthesized, the presence of a silica shell on the gold nanoparticle did not significantly affect the absorbance maximum (~5 nm) of unaggregated particles. However, the change in absorbance wavelength upon aggregation of the particles was highly dependent on the thickness of the shell. With silica shells coating the AuNP, there was a significant decrease in the absorbance maximum of the aggregated particles, from ~578 to ~536 nm, as the shell thicknesses increased from ~1.7 to ~4.3 nm, because of increased distance between adjacent gold cores. These studies provide guidance for the development of colorimetric assays using silica-coated AuNP.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».