Systematic truncating of aptamers to create high-performance graphene oxide (GO)-based aptasensors for the multiplex detection of mycotoxins
Notice bibliographique
Résumé
Graphene oxide (GO)-based aptasensors are currently one of the most popular sensing platforms for the simple and rapid detection of various targets. Unfortunately, the GO-based aptasensors with long aptamer strands typically show unsatisfactory performance resulting from insignificant structural transformations upon target binding. We report herein the utilization of an aptamer-truncating strategy to combat such a challenge. Taking a pre-selected anti-aflatoxin B1 (AFB1) aptamer (P-AFB1-50) as a trial system, we sequentially remove the extraneous nucleotides within the aptamer by means of circular dichroism (CD) spectroscopy and binding affinity analysis. Particularly, the ratio of the quenching constants between the GO sheets and the truncated aptamers (labelled with fluorophores) in the absence and presence of the target was determined for each of the truncated aptamers to evaluate the optimal sequence. As a result, the truncated aptamer comprising 40 nucleotides was confirmed to show the highest FL output and the best detection limit upon conjugation with GO sheets. More importantly, we demonstrated that this truncating strategy is versatile, i.e., it can be easily extended to other aptamer systems (anti-ochratoxin A (OTA) aptamer, P-OTA-61, as an example) for extraneous nucleotide identification. Impressively, the two optimal truncated aptamers can work together on GO sheets to achieve a simultaneous detection of two different mycotoxins (i.e., AFB1 and OTA) in one single test. Essentially, this research opens a new avenue for the design and testing of aptamer-/GO-based-sensing platforms for rapid, low-cost and multiplex quantification of analytical targets of interest.
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 | 0,001 | 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 ».