Wavelength-Tunable Optical Fiber Localized Surface Plasmon Resonance Biosensor <i>via</i> a Diblock Copolymer-Templated Nanorod Monolayer
Notice bibliographique
Résumé
Well-dispersed and dense layers of gold nanorods (AuNRs) on optical fibers are shown to regulate the longitudinal peak wavelength and enhance the sensing performances of localized surface plasmon resonance (LSPR) biosensors. A simple self-assembly method relying on a brush-like monolayer of poly(styrene)-b-poly(acrylic acid) (PS-b-PAA) diblock copolymer was used to immobilize AuNRs with various aspect ratios from 2.33 to 4.60 on optical fibers. Both the experimental and simulation results illustrated that the particle aspect ratio, deposition time (related to the coverage of AuNRs), and interparticle gap significantly affected the optical properties of the fiber-based LSPR biosensors. The highest refractive index (RI) sensitivity of the sensor was 753 nm/RIU, while the limit of detection for human IgG was as low as 0.8 nM. Compared with standard nanoparticle deposition methods of polyelectrolytes or alkoxysilanes, the RI sensitivity of the PS-b-PAA dip-coating method was approximately 3-fold better, a consequence of the higher particle coverage and fewer AuNR aggregates. The presented AuNR-based LSPR sensors could regulate the detection range by tuning the aspect ratios of AuNRs. Applicability is demonstrated via quantitative analysis of antigen–antibody interactions, DNA sensing, and surface-enhanced Raman scattering.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».