High throughput LSPR and SERS analysis of aminoglycoside antibiotics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Aminoglycoside antibiotics are used in the treatment of infections caused by Gram-negative bacteria, and are often dispensed only in severe cases due to their adverse side effects. Patients undergoing treatment with these antibiotics are therefore commonly subjected to therapeutic drug monitoring (TDM) to ensure a safe and effective personalised dosage. The ability to detect these antibiotics in a rapid and sensitive manner in human fluids is therefore of the utmost importance in order to provide effective monitoring of these drugs, which could potentially allow for a more widespread use of this class of antibiotics. Herein, we report on the detection of various aminoglycosides, by exploiting their ability to aggregate gold nanoparticles. The number and position of the amino groups of aminoglycoside antibiotics controlled the aggregation process. We investigated the complementary techniques of surface enhanced Raman spectroscopy (SERS) and localized surface plasmon resonance (LSPR) for dual detection of these aminoglycoside antibiotics and performed an in-depth study of the feasibility of carrying out TDM of tobramycin using a platform amenable to high throughput analysis. Herein, we also demonstrate dual detection of tobramycin using both LSPR and SERS in a single platform and within the clinically relevant concentration range needed for TDM of this particular aminoglycoside. Additionally we provide evidence that tobramycin can be detected in spiked human serum using only functionalised nanoparticles and SERS analysis.
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.
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 découle