MétaCan
Menu
Retour à la cohorte
Enregistrement W2606123035 · doi:10.3934/matersci.2017.2.522

Surface-enhanced Raman spectroscopy detection of protein-ligand binding using D-glucose and glucose binding protein on nanostructured plasmonic substrates

2017· article· en· W2606123035 sur OpenAlexaff
Luis Gutierrez‐Rivera, Robert F. Peters, S. K. Dew, Maria Stepanova

Notice bibliographique

RevueAIMS Materials Science · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGold and Silver Nanoparticles Synthesis and Applications
Établissements canadiensNational Institute for NanotechnologyUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésRaman spectroscopyRaman scatteringSurface-enhanced Raman spectroscopyBiosensorMaterials sciencePlasmonNanotechnologySubstrate (aquarium)BiomoleculeNanostructureNanoparticleChemistryAnalytical Chemistry (journal)OptoelectronicsChromatographyOptics

Résumé

récupéré en direct d'OpenAlex

Conjugated nano-biological architectures interfacing solid nano-structured surfaces with biological polymers have gained significant attention due to their potential biosensing and biocatalytic applications. However, efficient characterization of such integrated systems remains a challenge. We describe surface enhanced Raman spectroscopy (SERS) detection of complex of D-glucose with glucose binding protein (GBP) immobilized on substrates. Substrates comprised of dense Ag nanostructure arrays on Ni-coated fused silica wafers were fabricated employing ultrahigh resolution electron beam lithography. Glucose-bound and glucose-free histidine-tagged GBP was immobilized on the substrates and probed using SERS while the samples were kept in solution, and the observed Raman spectra were recorded. Three substrate designs were tested for SERS detection of the protein-ligand binding. SERS spectra of immobilized glucose-free and glucose-bound GBP exhibited pronounced differences in their Raman signatures, demonstrating the potential of SERS as a sensitive method for the detection of protein-ligand molecular recognition on a solid surface. However, morphology of the nano-patterned plasmonic structures was found to influence the SERS signatures significantly. In order to interpret the findings, simulations of electric field around the nano-structured substrates were performed. An interplay of two factors, the availability of space between Ag features where the GBP could bind to Ni, and the effectiveness of the electromagnetic enhancement of the Raman scattering in “hot spots” between these features, was concluded to determine the observed trends.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0010,000
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 Opus0,022
Tête enseignante GPT0,270
Écart entre enseignants0,248 · 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 source (Gemma direct ou Codex distillé), 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

Citations7
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIMS Materials ScienceMême sujetGold and Silver Nanoparticles Synthesis and ApplicationsTravaux en français237 207