Dopamine and Melamine Binding to Gold Nanoparticles Dominates Their Aptamer-Based Label-Free Colorimetric Sensing
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
Target-directed aptamer adsorption by gold nanoparticles (AuNPs) has been widely used to develop label-free colorimetric biosensors. However, the potential interactions between target molecules and AuNPs have not been considered, which may lead to misinterpretation of analytical results. In this work, the detection of dopamine, melamine, and K+ was studied as model systems to address this problem. First, dopamine and two control molecules all induced the aggregation of citrate-capped AuNPs with apparent Kd’s of 5.8 μM dopamine, 51.6 μM norepinephrine, and 142 μM tyramine. Isothermal titration calorimetry measured the aptamer Kd to be 1.9 μM dopamine and 16.8 μM norepinephrine, whereas tyramine cannot bind. Surface enhanced Raman spectroscopy confirmed direct adsorption of dopamine, and the adsorbed dopamine inhibited the adsorption of DNA. Using a typical salt-induced colorimetric detection protocol, a similar color response was observed regardless of the sequence of DNA, indicating the observed color change reflected the adsorption of dopamine by the AuNPs instead of the binding of dopamine by the aptamer. For this label-free sensor to work, the interaction between the target molecule and AuNPs should be very weak, while dopamine represents an example of strong interactions. For the other two systems, the melamine detection did not reflect aptamer binding either but the K+ detection did, suggesting melamine also strongly interacted with AuNPs, whereas K+ had very weak interactions with AuNPs. Since each target molecule is different, such target/AuNP interactions need to be studied case-by-case to ensure the sensing mechanism.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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