Femtomolar and selective dopamine detection by a gold nanoparticle enhanced surface plasmon resonance aptasensor
Notice bibliographique
Résumé
ABSTRACT Ultrasensitive and selective detection and quantification of dopamine (DA) plays a key role in monitoring neurodegenerative diseases. However, the detection limit reported for DA detection is typically in the lower nM range. Pushing the detection limit to pM or lower for this particular target to cover the physiological levels (< 130 pM) is significant. Herein, DA DNA aptamer (DAAPT) gold nanoparticle (AuNP) conjugate is utilized to enhance the surface plasmon resonance (SPR) signal, which enables to detect and quantify DA in the femtomolar (200 fM) to picomolar range. To the best of our knowledge, this is the lowest detection limit achieved for SPR sensing of dopamine. The as-prepared 10 nm DAAPT-AuNP conjugate demonstrates strong binding affinity (K d = 3.1 ± 1.4 nM) to the complementary DNA (cDNA) probe on gold chip. The cDNA probe is immobilized to the chip via polydopamine surface chemistry, which allows the Michael addition of any primary amine-terminated biomolecules. By adjusting the concentration of the DAAPT-AuNP conjugate, two calibration curves are generated with dynamic ranges from 100 µM to 2 mM, and from 200 fM to 20 nM, respectively. Both calibration curves have negative slopes, showing good agreement to a dose-response curve in an enzyme inhibition assay. In addition, the sensing strategy is evaluated to be specific for DA detection using a series of DA analogs and other metabolites as potential interferences.
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) | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».