MétaCan
Menu
Retour à la cohorte
Enregistrement W2889786248 · doi:10.1021/acsami.8b12286

Enhancing the Photoelectrochemical Response of DNA Biosensors Using Wrinkled Interfaces

2018· article· en· W2889786248 sur OpenAlexafffund
Sudip Saha, Yuting Chan, Leyla Soleymani

Notice bibliographique

RevueACS Applied Materials & Interfaces · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueNanowire Synthesis and Applications
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Ministry of Research, Innovation and ScienceCanada Research Chairs
Mots-clésBiosensorMaterials scienceElectrodeNanotechnologyDetection limitBiasingPlanarQuantum dotPhotoelectrochemistryOptoelectronicsTransducerElectrochemistryVoltageChemistryComputer science

Résumé

récupéré en direct d'OpenAlex

Photoelectrochemical (PEC) biosensors, with optical biasing and electrochemical readout, are expected to enhance the limit-of-detection of electrochemical biosensors by lowering their background signals. However, when PEC transducers are functionalized with biorecognition layers, their current significantly decreases, which reduces their signal-to-noise ratio and dynamic range. Here, we develop and investigate a wrinkled conductive scaffold for loading photoactive quantum dots into an electrode. The wrinkled photoelectrodes demonstrate an order of magnitude enhancement in the magnitude of the transduced PEC current compared to their planar counterparts. We engineer PEC biosensors by functionalizing the wrinkled photoelectrodes with nucleic acid capture probes. We challenge the sensitivity of the wrinkled and planar biosensors with various concentrations of DNA target and observe a 200 times enhancement in the limit-of-detection for wrinkled versus planar electrodes. In addition to enhanced sensitivity, the wrinkled PEC biosensors are capable of distinguishing between fully complementary and targets with a single base-pair mismatch, demonstrating the suitability of these biosensors for use in clinical diagnostics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,235
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations42
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Applied Materials & InterfacesMême sujetNanowire Synthesis and ApplicationsTravaux en français237 207