MétaCan
Menu
Retour à la cohorte
Enregistrement W2512104978 · doi:10.1002/anie.201606603

Profiling Metal Oxides with Lipids: Magnetic Liposomal Nanoparticles Displaying DNA and Proteins

2016· article· en· W2512104978 sur OpenAlexafffund
Feng Wang, Xiaohan Zhang, Yibo Liu, Zhi Yuan Lin, Biwu Liu, Juewen Liu

Notice bibliographique

RevueAngewandte Chemie International Edition · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésLiposomeCalceinLipid bilayerChemistryNanoparticleBiomoleculeBiosensorNanomedicineMembraneChemical engineeringNanotechnologyMaterials scienceBiochemistry

Résumé

récupéré en direct d'OpenAlex

Metal oxides include many important materials with various surface properties. For biomedical and analytical applications, it is desirable to engineer their biocompatible interfaces. Herein, a phosphocholine liposome (DOPC) and its headgroup dipole flipped counterpart (DOCP) were mixed with ten common oxides. Using the calcein leakage assay, cryo-TEM, and ζ-potential measurement, these oxides were grouped into three types. The type 1 oxides (Fe3 O4 , TiO2 , ZrO2 , Y2 O3 , ITO, In2 O3 , and Mn2 O3 ) form supported bilayers only with DOCP. Type 2 (SiO2 ) forms supported bilayers only with DOPC; type 3 (ZnO and NiO) are cationic and damage lipid membranes. Magnetic Fe3 O4 nanoparticles were further studied for conjugation of fluorophores, proteins, and DNA to the supported DOCP bilayers via lipid headgroup labeling, covalent linking, or lipid insertion. Delivery of the conjugates to cells and selective DNA hybridization were demonstrated. This work provides a general solution for coating the type 1 oxides with a simple mixing in water, facilitating applications in biosensing, separation, and nanomedicine.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,004
Score d'incertitude au seuil0,333

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,239
Écart entre enseignants0,231 · 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 tête enseignante, 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

Citations54
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAngewandte Chemie International EditionMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207