Graphene Oxide-Based Nanostructured DNA Sensor
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Quick detection of DNA sequence is vital for many fields, especially, early-stage diagnosis. Here, we develop a graphene oxide-based fluorescence quenching sensor to quickly and accurately detect small amounts of a single strand of DNA. In this paper, fluorescent magnetic nanoparticles (FMNPs) modified with target DNA sequence (DNA-t) were bound onto the modified graphene oxide acting as the fluorescence quenching element. FMNPs are made of iron oxide (Fe3O4) core and fluorescent silica (SiO2) shell. The average particle size of FMNPs was 74 ± 6 nm and the average thickness of the silica shell, estimated from TEM results, was 30 ± 4 nm. The photoluminescence and magnetic properties of FMNPs have been investigated. Target oligonucleotide (DNA-t) was conjugated onto FMNPs through glutaraldehyde crosslinking. Meanwhile, graphene oxide (GO) nanosheets were produced by a modified Hummers method. A complementary oligonucleotide (DNA-c) was designed to interact with GO. In the presence of GO-modified with DNA-c, the fluorescence intensity of FMNPs modified with DNA-t was quenched through a FRET quenching mechanism. Our study indicates that FMNPs can not only act as a FRET donor, but also enhance the sensor accuracy by magnetically separating the sensing system from free DNA and non-hybridized GO. Results indicate that this sensing system is ideal to detect small amounts of DNA-t with limitation detection at 0.12 µM.
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.
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) | 0,000 | 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 découle