Self-Quenching, Dimerization, and Homo-FRET in Hetero-FRET Assemblies with Quantum Dot Donors and Multiple Dye Acceptors
Notice bibliographique
Résumé
The combination of semiconductor quantum dots (QDs) and Förster resonance energy transfer (FRET) is a powerful tool for bioanalysis and imaging. Through FRET, the dye is able to borrow brightness from the QD, and the FRET efficiency can be tuned through the assembly of multiple acceptor dyes per QD. In principle, the fluorescence intensity from acceptor dyes assembled to a QD donor should always exceed that from the dyes alone, but we observed anomalously low acceptor dye fluorescence intensities in FRET systems with a QD donor and multiple Alexa Fluor 610 (A610) or Alexa Fluor 633 (A633) acceptors. In contrast, fluorescence from Alexa Fluor 555 (A555) or Alexa Fluor 647 (A647) acceptors was well-behaved and agreed with theoretical expectations. The difference between these systems was studied using a combination of UV–visible absorption and fluorescence intensity, lifetime, and anisotropy measurements. Anomalous fluorescence from A610 and A633 arose from the formation of nonfluorescent, H-type dimers of these dyes. The monomer–dimer equilibrium was shifted strongly in favor of the dimer as a result of the locally high concentration of dyes assembled to the QD. Both the lower number of monomeric dyes per QD and the introduction of a competitive energy transfer pathway from the QD to dimeric dyes contributed to the low dye fluorescence. Another consequence of the close proximity between the dyes was homo-FRET, which was particularly evident with A555 and A647 acceptors. Homo-FRET did not appear to lead to significant quenching of dye fluorescence, although there was some evidence of low-efficiency energy transfer to dyes that may act as modest energy sinks. The results of this study help inform the rational design of optimized QD–FRET probes for biological applications.
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 ».