MétaCan
Menu
Retour à la cohorte
Enregistrement W3087181499 · doi:10.1002/ppsc.202000208

Interfacing DNA and Polydopamine Nanoparticles and Its Applications

2020· article· en· W3087181499 sur OpenAlexafffund
Mohamad Zandieh, Mohamed Hagar, Juewen Liu

Notice bibliographique

RevueParticle & Particle Systems Characterization · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDNANanotechnologyOligonucleotideBiosensorNucleic acidCombinatorial chemistryConjugateChemistryNanoparticleCovalent bondMaterials scienceBiochemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Polydopamine (PDA) is polymerized from dopamine under oxidative and basic conditions. PDA is a biocompatible material with great versatility for coating various surfaces and it can also form nanoparticles. DNA oligonucleotides are highly stable, and they can recognize a diverse range of molecules from complementary nucleic acids, proteins to small molecules and metal ions. To enhance the molecular recognition function of PDA, it is interfaced with DNA and the conjugates have achieved a wide range of applications in biomedical and analytical science. In this review, the chemistry of some catecholamines, including dopamine and PDA, is first briefly introduced and variables in the PDA synthesis are highlighted. Strategies to promote DNA adsorption on PDA are then discussed including the use of low pH and polyvalent metal ions. In addition, covalent attachment of DNA to PDA can be achieved by using amino or thiol‐modified DNA, forming highly stable conjugates. The specific applications of PDA–DNA conjugate are also delineated, including DNA extraction, biosensing, intracellular delivery, and DNA origami. Finally, some problems in the field are discussed, along with a few future research opportunities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,248
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueParticle & Particle Systems CharacterizationMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207