Unusual switchable peroxidase-mimicking nanozyme for the determination of proteolytic biomarker
Notice bibliographique
Résumé
Detection of enzyme biomarkers originating from either bio-fluids or contaminating microorganisms is of utmost importance in clinical diagnostics and food safety. Herein, we present a simple, low-cost and easy-to-use sensing approach based on the switchable peroxidase-mimicking activity of plasmonic gold nanoparticles (AuNPs) that can catalyse for the oxidation of 3,3’,5’5-tetramethylbenzidine (TMB) for the determination of protease enzyme. The AuNP surface is modified with casein, showing dual functionalities. The first function of the coating molecule is to suppress the intrinsic peroxidase-mimicking activity of AuNPs by up to 77.1%, due to surface shielding effects. Secondly, casein also functions as recognition sites for the enzyme biomarker. In the presence of protease, the enzyme binds to and catalyses the degradation of the coating layer on the AuNP surface, resulting in the recovery of peroxidase-mimicking activity. This is shown visually in the development of a blue colored product (oxidised TMB) or spectroscopically as an increase in absorbance at 370 and 650 nm. This mechanism allows for the detection of protease at 44 ng·mL−1 in 90 min. The nanosensor circumvents issues associated with current methods of detection in terms of ease of use, compatibility with point-of-care testing, low-cost production and short analysis time. The sensing approach has also been applied for the detection of protease spiked in ultra-heat treated (UHT) milk and synthetic human urine samples at a limit of detection of 490 and 176 ng·mL−1, respectively, showing great potential in clinical diagnostics, food safety and quality control.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».