Lipid Bilayers as Surface Functionalizations for Planar and Nanoparticle Biosensors
Notice bibliographique
Résumé
Many biological processes, pathogens, and pharmaceuticals act upon, cellular membranes. Accordingly, cell membrane mimics are attractive targets for biosensing, with research, pathology, and pharmacology applications. Lipid bilayers represent a versatile sensor functionalization platform providing antifouling properties, and many receptor integration options, uniquely including transmembrane proteins. Bilayer-coated sensors enable the kinetic characterization of membrane/analyte interactions. Addressed theoretically and experimentally is the self-assembly of model membranes on plasmonic sensors. Two categories of plasmonic sensors are studied in two parts. Part I aims to deposit raft-forming bilayers on planar nanoaperture arrays suitable for multiplexing and device integration. By vesicle fusion, planar bilayers are self-assembled on thiol-acid modified flame-annealed gold without the need for specific lipid head-group requirements. Identification of coexisting lipid phases is accomplished by AFM imaging and force spectroscopy mapping. These methods are successfully extended to metallic, plasmon-active nanohole arrays, nanoslit arrays and annular aperture arrays, with coexisting phases observed among the holes. Vis-NIR transmission spectra of the arrays are measured before and after deposition, indicating bilayer detection. Finally, the extraction of membrane proteins from cell cultures and incorporation into model supported bilayers is demonstrated. These natural membrane proteins potentially act as lipid-bound surface receptors. Part II aims to encapsulate in model lipid bilayers, metallic nanoparticles, which are used as probes in surface enhanced Raman spectroscopy. Three strategies of encapsulating particles, and incorporating Raman-active dyes are demonstrated, each using a different dye: malachite green, rhodamine-PE, and Tryptophan. Dye incorporation is verified by SERS and the bilayer is visualized and measured by TEM, with support from DLS and UV-Vis spectroscopy. In both parts, lipid-coated sensors are successfully fabricated and characterized. These results represent important and novel solutions to the functionalization of plasmonic surfaces with biologically relevant cell membrane mimics.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».