Low-Temperature Approach to Highly Emissive Copper Indium Sulfide Colloidal Nanocrystals and Their Bioimaging Applications
Notice bibliographique
Résumé
We report our newly developed low-temperature synthesis of colloidal photoluminescent (PL) CuInS2 nanocrystals (NCs) and their in vitro and in vivo imaging applications. With diphenylphosphine sulphide (SDPP) as a S precursor made from elemental S and diphenylphosphine, this is a noninjection based approach in 1-dodecanethiol (DDT) with excellent synthetic reproducibility and large-scale capability. For a typical synthesis with copper iodide (CuI) as a Cu source and indium acetate (In(OAc)3) as an In source, the growth temperature was as low as 160 °C and the feed molar ratios were 1Cu-to-1In-to-4S. Amazingly, the resulting CuInS2 NCs in toluene exhibit quantum yield (QY) of ~23% with photoemission peaking at ~760 nm and full width at half maximum (FWHM) of ~140 nm. With a mean size of ~3.4 nm (measured from the vertices to the bases of the pyramids), they are pyramidal in shape with a crystal structure of tetragonal chalcopyrite. In situ (31)P NMR (monitored from 30 °C to 100 °C) and in situ absorption at 80 °C suggested that the Cu precursor should be less reactive toward SDPP than the In precursor. For our in vitro and in vivo imaging applications, CuInS2/ZnS core-shell QDs were synthesized; afterwards, dihydrolipoic acid (DHLA) or 11-mercaptoundecanoic acid (MUA) were used for ligand exchange and then bio-conjugation was performed. Two single-domain antibodies (sdAbs) were used. One was 2A3 for in vitro imaging of BxPC3 pancreatic cancer cells. The other was EG2 for in vivo imaging of a Glioblastoma U87MG brain tumour model. The bioimaging data illustrate that the CuInS2 NCs from our SDPP-based low-temperature noninjection approach are good quality.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».