Transition Metal Dichalcogenide Nanosheets for Visual Monitoring PCR Rivaling a Real-Time PCR Instrument
Notice bibliographique
Résumé
Monitoring the progress of polymerase chain reactions (PCRs) is of critical importance in bioanalytical chemistry and molecular biology. Although real-time PCR thermocyclers are ideal for this purpose, their high cost has limited their applications in resource-poor areas. Direct visual detection would be a more attractive alternative. To monitor the PCR amplification, DNA-staining dyes, such as SYBR Green I (SG), are often used. Although these dyes give higher fluorescence when binding to double-stranded DNA products, they also yield strong background fluorescence in the presence of a high concentration of single-stranded (ss) DNA primers. In this work, we screened various nanomaterials and found that graphene oxide (GO), reduced GO, molybdenum disulfide (MoS 2 ), and tungsten disulfide (WS 2 ) can quench the fluorescence of nonamplified negative samples while still retaining strong fluorescence of positive ones. The signal ratio of positive-over-negative samples was enhanced by around 50-fold in the presence of these materials. In particular, MoS 2 and WS 2 nearly fully retained the fluorescence of the positive samples. The mechanism for MoS 2 and WS 2 to enhance PCR signaling is attributed to the adsorption of both the ssDNA PCR primers and SG with an appropriate strength. MoS 2 can also suppress nonspecific amplification caused by excess polymerase. Finally, this method was used to detect extracted transgenic soya GTS 40-3-2 DNA after PCR amplification. Compared with the samples without nanomaterials, the addition of MoS 2 could better distinguish the concentration difference of the template DNA, and the sensitivity of visual detection rivaled that from a real-time PCR instrument.
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 ».