Core or Shell? Er<sup>3+</sup> FRET Donors in Upconversion Nanoparticles
Notice bibliographique
Résumé
Upconversion nanoparticles (UCNPs) are of high interest for biosensing because of their unique near‐infrared‐excitation and visible‐emission features. An emerging field within UCNP biosensing is the detection of biological interactions through Förster resonance energy transfer (FRET). However, the relatively large size, the distribution of emitting lanthanide ions within the nanoparticle, the unknown photoluminescence (PL) quantum yields (QY) of these emitting ions, and the many available core–shell architectures make the interpretation of UCNP‐based FRET data extremely difficult. Here, we present a detailed spectroscopic study of three types of NaGdF4:Er3+,Yb3+ UCNPs with and without shells and lanthanide‐ion doping in the cores or the shells. The different architectures strongly influence the brightness and PL lifetimes of the UCNPs, which are important properties for FRET to Cy3.5 dyes attached to the UCNP surfaces through DNA. Analysis of the FRET‐sensitized dye PL decays allows the determination of the FRET efficiencies, which, in turn, can be used to estimate donor–acceptor distances, Förster distances, and Er3+ donor QYs, all of which are difficult to assess by other methods.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».