MétaCan
Menu
Retour à la cohorte
Enregistrement W2319494918 · doi:10.1021/ac303387a

Plasmonic Nanorice Antenna on Triangle Nanoarray for Surface-Enhanced Raman Scattering Detection of Hepatitis B Virus DNA

2013· article· en· W2319494918 sur OpenAlexaff
Ming Li, Scott K. Cushing, Hongyan Liang, Savan Suri, Dongling Ma, Nianqiang Wu

Notice bibliographique

RevueAnalytical Chemistry · 2013
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGold and Silver Nanoparticles Synthesis and Applications
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesWest Virginia UniversityNational Science Foundation
Mots-clésRaman scatteringPlasmonChemistryBiosensorRaman spectroscopySurface plasmon resonanceBiomoleculeDetection limitOptoelectronicsNanotechnologyOpticsMaterials scienceNanoparticlePhysics

Résumé

récupéré en direct d'OpenAlex

The sensitivity and the limit of detection of Raman sensors are limited by the extremely small scattering cross section of Raman labels. Silver nanorice antennae are coupled with a patterned gold triangle nanoarray chip to create spatially broadened plasmonic "hot spots", which enables a large density of Raman labels to experience strong local electromagnetic field. Finite difference time domain simulations have confirmed that the quasi-periodic structure increases the intensity and the area of the surface plasmon resonance (SPR), which enhances the surface-enhanced Raman scattering (SERS) signal significantly. The SERS signal of the nanorice/DNA/nanoarray chip is compared with that of the nanorice/DNA/film chip. The SERS signal is greatly enhanced when the Ag nanorices are coupled to the periodic Au nanoarray instead of the planar film chip. The resulting spatially broadened SPR field enables the SERS biosensor with a limit of detection of 50 aM toward hepatitis B virus DNA with the capability of discriminating a single-base mutant of DNA. This sensing platform can be extended to detect other chemical species and biomolecules such as proteins and small molecules.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,003
Score d'incertitude au seuil0,568

Scores Codex et Gemma par catégorie

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,232
Écart entre enseignants0,219 · 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 tête enseignante, 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

Citations153
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetGold and Silver Nanoparticles Synthesis and ApplicationsTravaux en français237 207