Depositing Highly Uniform Au Nanoparticles on the Surface of High-Curvature Nanofibers for SERS Optophysiology
Notice bibliographique
Résumé
Nanofibers as biosensors have attracted great attention due to its facile removal from the biosystem after a period of intra- or extracellular measurements and site-specific measurement among others. The application of nanofibers covered with Au nanoparticles as SERS sensor circumvents the aggregation and accumulation of Au nanoparticles in vitro or in vivo, in addition to the greater Raman enhancement of signal than on planar surface. To achieve this, our group has reported a block copolymer-template method to deposit Au nanoparticles on the highly curved surface of nanofibers.[1] Here the versatility of this strategy is demonstrated by depositing nanoparticles with the different dimensions or shapes and varying the density of Au nanoparticles on the surface of the nanofibers. To the best of our knowledge, we believe this is the first work to show how to obtain such highly uniform distribution of anistropic nanoparticles on the surface of high-curvature nanofibers. Among all the nanosensors studied in this work, the label-free nanofibers covered with Au nanostars with shorter branches shows the biggest enhancement, which could detect neurotransmitter secretion such as dopamine with moderate laser power and low integration time. Furthermore, measurement of pH in the cell microenvironment and pH gradient in the cell medium can be realized by our biosensors as well. The rapid pH response to the external environment makes it very promising for the application of the dynamic pH measurement in vitro or in vivo. In addition to SERS sensing, these highly uniform nanosensors have other far-reaching implications, including medical diagnostics, therapeutics and so on. [1] Zhu, H., Lussier, F., Ducrot, C., Bourque, M. J., Spatz, J. P., Cui, W., Yu, L., Peng, W., Trudeau, L. E., Bazuin, C. G. and Masson, J. F., ACS Appl. Mater. Interfaces, 2019, DOI: 10.1021/acsami.8b19161. Figure 1
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 | 0,000 | 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 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 ».