Functionalized gold nanoparticle-enhanced competitive assay for sensitive small-molecule metabolite detection using surface plasmon resonance
Notice bibliographique
Résumé
The development of sensing systems for the measurement of small molecules is an active area of research. A sensor based approach for the measurement of metabolites can potentially provide the simplicity and portability required for widespread use. Rapid detection and quantitation of small-molecule metabolites can potentially emerge as an effective way to link the metabolite profile to the disease state. Surface plasmon resonance (SPR) combined with molecular recognition elements to deliver high specificity is a sensing platform that has been widely applied for a large range of biomolecules. However, direct detection of small molecules with SPR challenges the refractive index based detection mechanism. The work described here combines a periplasmic binding protein for recognition with target modified gold nanoparticles (AuNPs) in a competitive assay format for folic acid (FA) detection. Specifically, a SPR imaging substrate containing immobilized folate binding protein (FBP) is used to measure the adsorption of FA conjugated AuNPs. The immobilization of the FBP and the binding of the FA conjugated AuNPs are characterized and optimized. It is shown that free FA in solution can be quantitatively measured by competition for the surface binding sites with the functionalized AuNPs. We demonstrate that the dynamic range can be lowered from micromolar to nanomolar by simply decreasing the concentration of FA conjugated AuNPs, thus lowering the limit of detection to 2.9 nM. This type of competitive assay can be applied to a range of small molecules, which paves the way for future multiplexed analysis of metabolites using SPR.
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 | 0,001 | 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 | 0,001 | 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) | 0,000 | 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 ».