MétaCan
Menu
Retour à la cohorte
Enregistrement W2605687434 · doi:10.1002/anie.201702998

Poly‐cytosine DNA as a High‐Affinity Ligand for Inorganic Nanomaterials

2017· article· en· W2605687434 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueAngewandte Chemie International Edition · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMinistry of Education of the People's Republic of China
Mots-clésNanomaterialsDNAGrapheneMaterials scienceLigand (biochemistry)NanotechnologyCarbon nanotubeOxideCytosineDrug deliveryNanoparticleCombinatorial chemistryChemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Attaching DNA to nanomaterials is the basis for DNA‐directed assembly, sensing, and drug delivery using such hybrid materials. Poly‐cytosine (poly‐C) DNA is a high affinity ligand for four types of commonly used nanomaterials, including nanocarbons (graphene oxide and single‐walled carbon nanotubes), transition metal dichalcogenides (MoS 2 and WS 2 ), metal oxides (Fe 3 O 4 and ZnO), and metal nanoparticles (Au and Ag). Compared to other homo‐DNA sequences, poly‐C DNA has the highest affinity for the first three types of materials. Using a diblock DNA containing a poly‐C block to attach to surfaces, the target DNA was successfully hybridized to the other block on graphene oxide more efficiently than that containing a typical poly‐A block, especially in the presence of non‐specific background DNA, proteins, or surfactants. This work provides a simple solution for functionalizing nanomaterials with non‐modified DNA and offers new insights into DNA biointerfaces.

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 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 enseignants0,017
Score d'incertitude au seuil0,547

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 Opus0,013
Tête enseignante GPT0,294
Écart entre enseignants0,281 · 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