A long-wavelength quantum dot-concentric FRET configuration: characterization and application in a multiplexed hybridization assay
Notice bibliographique
Résumé
Quantum dot-based concentric Förster resonance energy transfer (cFRET) is a promising modality for the development of multifunctional fluorescent probes for bioanalysis and bioimaging. To date, the scope of cFRET has been largely limited to a prototypical configuration with a particular combination of quantum dot (QD) and fluorescent dyes linked through peptides. Expansion of the scope of cFRET is critical for its further development. Here, we expand the scope of cFRET in two capacities. First, we design and characterize a new long-wavelength cFRET configuration that combines red- and deep-red fluorescent dyes, Alexa Fluor 633 and Alexa Fluor 680, with an orange-emitting QD. Sequential and competitive energy transfer pathways are characterized through a rate analysis, where the balance of these rates more strongly favours competitive energy transfer in the new long-wavelength configuration versus sequential energy transfer in the previous prototypical configuration. Although the new cFRET configuration is more susceptible to photobleaching, its superior brightness and longer-wavelength excitation and emission provide an order of magnitude higher signal-to-background ratios in biological matrices (e.g., serum, blood) than the previous prototypical configuration. Second, we demonstrate that an oligonucleotide-linked, long-wavelength cFRET configuration has energy transfer similar to an analogous peptide-linked configuration, where the oligonucleotide-linked cFRET configuration can be combined with toehold-mediated strand displacement for the multiplexed detection of unlabeled nucleic acid targets as a single vector. Overall, this work establishes the general applicability of cFRET and introduces new strategies for its bioanalytical application.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».