Reactive Semiconductor Nanocrystals for Chemoselective Biolabeling and Multiplexed Analysis
Notice bibliographique
Résumé
Effective biological application of nanocrystalline semiconductor quantum dots continues to be hampered by the lack of easily implemented and widely applicable labeling chemistries. Here, we introduce two new orthogonal nanocrystal bioconjugation chemistries that overcome many of the labeling issues associated with currently utilized approaches. These chemistries specifically target either (1) the ubiquitous amines found on proteins or (2) thiols present in either antibody hinge regions or recombinantly introduced into other proteins to facilitate site-specific labeling. The amine chemistry incorporates aniline-catalyzed hydrazone bond formation, while the sulfhydryl chemistry utilizes nanocrystals displaying surface activated maleimide groups. Both reactive chemistries are rapidly implemented, yielding purified nanocrystal-protein bioconjugates in as little as 3 h. Following initial characterization of the nanocrystal materials, the wide applicability and strong multiplexing potential of these chemistries are demonstrated in an array of applications including immunoassays, immunolabeling in both cellular and tissue samples, in vivo cellular uptake, and flow cytometry. Side-by-side comparison of the immunolabeled cells suggested a functional equivalence between results generated with the amine and thiol-labeled antibody-nanocrystal bioconjugates in that format. Three-color labeling was achieved in the cellular uptake format, with no significant toxicity observed while simultaneous five-color labeling of different epitopes was demonstrated for the immunolabeled tissue sample. Novel labeling applications are also facilitated by these chemistries, as highlighted by the ability to directly label cellular membranes in adherent cell cultures with the thiol-reactive chemistry.
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 ».