MétaCan
Menu
Retour à la cohorte
Enregistrement W2334652999 · doi:10.1021/acs.analchem.5b00899

Detection and Quantitation of Heavy Metal Ions on Bona Fide DVDs Using DNA Molecular Beacon Probes

2015· article· en· W2334652999 sur OpenAlexafffund
Lingling Zhang, Jessica X. H. Wong, Xiaochun Li, Yunchao Li, Hua‐Zhong Yu

Notice bibliographique

RevueAnalytical Chemistry · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensSimon Fraser University
Organismes subventionnairesChina Scholarship CouncilScience and Technology Commission of Shanghai MunicipalityMinistry of Education of the People's Republic of ChinaNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésChemistryMolecular beaconMetal ions in aqueous solutionDNAMetalIonBiochemistryOrganic chemistryOligonucleotide

Résumé

récupéré en direct d'OpenAlex

A sensitive and cost-effective method for the simultaneous quantitation of trace amounts of Hg(2+) and Pb(2+) in real-world samples has been developed using DNA molecular beacon probes bound to bona fide digital video discs (DVDs). With specially designed T-rich or G-rich loop sequences, the detection is based on the strong T-Hg(2+)-T coordination chemistry of Hg(2+) and the formation of G-quadruplexes induced by Pb(2+), respectively. In particular, the presence of metal cations leads to hairpin opening and exposure of the terminal biotin moiety for binding nanogold-streptavidin conjugates. The recognition signal was subsequently enhanced by gold nanoparticle-promoted silver deposition, which leads to quantifiable digital signals upon reading with a standard computer drive. This method exhibits a wide response range and low detection limits for both Hg(2+) and Pb(2+). In addition, the quantitative determination of heavy metals in food products (e.g., rice samples) has been demonstrated and the method compares favorably with other optical sensors developed recently.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,307
Écart entre enseignants0,283 · 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 source (Gemma direct ou Codex distillé), 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

Citations25
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207