Rational Design of Magnetic Micronanoelectrodes for Recognition and Ultrasensitive Quantification of Cysteine Enantiomers
Notice bibliographique
Résumé
Abstract Driven by the urgent need for recognition and quantification of trace amino acids enantiomers in various biologic samples, we demonstrate for the first time an ultrasensitive electrochemical chiral biosensor for cysteine (Cys) based on magnetic nanoparticles (Fe3O4@PDA/CuxO) as electrode units. d-Cys-Cu2+-d-Cys formed in the presence of cysteine exhibits strong stability and a shielding effect on the redox current of indicator Cu2+, which can be used to quantify and recognize d-Cys by square wave voltammetry. Simultaneous detection of d-Cys and homocysteine (Hcy) is achieved in the presence of other amino acids, demonstrating an excellent selectivity of the sensor. Moreover, aided by the enrichment treatment effect of magnetic micronanoelectrodes, an ultrahigh sensitivity up to 102 μA μM–1 cm–2 was achieved, the detection limit is reduced to picomolar level (83 pM) for d-Cys and can be used for the recognition of cysteine enantiomers. The proposed method has been verified by real sample analysis with satisfactory results. The results highlight the feasibility of our proposed strategy for magnetic micronanoelectrode sensor, electrochemical recognition, and quantification of d-Cys, which can be more broadly applicable than that with traditional electrode structures and further advance the field of electrochemical sensors.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».