Concurrent Modulation of Quantum Dot Photoluminescence Using a Combination of Charge Transfer and Förster Resonance Energy Transfer: Competitive Quenching and Multiplexed Biosensing Modality
Notice bibliographique
Résumé
An emerging trend with semiconductor quantum dots (QDs) is their use as scaffolds to assemble multiple energy transfer pathways. Examples to date have combined various competitive and sequential Förster resonance energy transfer (FRET) pathways between QDs and fluorescent dyes, luminescent lanthanide complexes, and bioluminescent proteins. Here, we show that the photoluminescence (PL) of QD bioconjugates can also be modulated by a combination of FRET and charge transfer (CT), and characterize the concurrent effects of these mechanistically different pathways using PL measurements at both the ensemble and the single particle level. Peptides were distally labeled with either a fluorescent dye that quenched QD PL through FRET or a ruthenium(II) phenanthroline complex that quenched QD PL through electron transfer. The labeled peptides were assembled around a central CdSe/ZnS QD at different ratios, tuning the relative rates of FRET and CT, which were competitive quenching pathways. The concurrent effects of FRET and CT were predictable from a rate analysis that was calibrated to the isolated effects of each of these pathways. Notably, the dye/QD PL intensity ratio reflected changes in the relative rate of FRET but was approximately independent of CT. In turn, the sum of the QD and dye PL intensities, when adjusted for quantum yields, reflected changes in the relative rate of CT quenching, approximately independent of FRET. The capacity for multiplexed sensing of protease activity was demonstrated using these two orthogonal detection channels. Combined CT-FRET configurations with QDs are thus promising for applications in bioanalysis, sensing, and imaging, and may prove useful in other photonic 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 | 0,001 |
| 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 ».