Tuning the Sensing Performance of Multilayer Plasmonic Core–Satellite Assemblies for Rapid Detection of Targets from Lysed Cells
Notice bibliographique
Résumé
Optical sensors based on discrete plasmonic nanostructures are invaluable for probing biomolecular interactions when applied as plasmonic rulers or reconfigurable multinanoparticle assemblies. However, their adaptation as a versatile sensing platform is limited by the research-grade instrumentation required for single-nanostructure imaging and/or spectroscopy and complex data fitting and analysis. Additionally, the dynamic range is often too narrow for the quantitative analysis of targets of interest in biodiagnostics, food safety, or environmental monitoring. Herein we present plasmonic assembly comprising a core nanoparticle surrounded by multiple layers of satellite nanoparticles through aptamer linker. The layer-by-layer assembly of the satellite nanoparticles yields uniform discrete nanoparticle clusters on a substrate with enhanced optical properties. Binding of the model target (adenosine 5'-triphosphate, ATP) induces disassembly and leads to a dramatic decrease in the scattering intensity that can be analyzed readily from darkfield images. We demonstrate that the sensing performance, such as detection limit, dynamic range, and sensitivity, can be tuned by controlling the size of the assembly. The substrate-anchored nanoparticle assemblies are selective to only ATP, and not other adenine-containing compounds. By adapting the methodology to a flexible support, cellular ATP can be directly detected by lysing adherent cells in close contact with the plasmonic assemblies-a process that does not require any sample preparation or purification. Enhancing the optical detection signal via designing and engineering nanoparticle assemblies could enable their use with low-cost portable imaging systems and broaden their applicability beyond the study of biomolecular interaction.
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 | 0,000 | 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) | 0,000 | 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 ».