Poly‐Cytosine Deoxyribonucleic Acid Strongly Anchoring on Graphene Oxide Due to Flexible Backbone Phosphate Interactions
Notice bibliographique
Résumé
Abstract Finding DNA sequences that can strongly adsorb on various nanomaterials is critically important for preparing bioconjugates, biosensors, and drug delivery. Poly‐cytosine (poly‐C) DNA is found to have stronger affinity compared to other DNA sequences of the same length on various nanomaterials ranging from graphene oxide (GO), MoS2, to many metal oxides and phosphates. In this work, the authors aim to understand the reason for such high affinity by varying pH and DNA sequence along with conducting molecular dynamics (MD) simulations using GO as a model surface. Poly‐C DNA adsorbs stronger only at neutral or basic pH, while its adsorption at acidic pH is weaker than other DNA homopolymers. The DNA sequence is further varied by inserting thymine into poly‐C DNA and by varying thymine/cytosine ratios, all confirming that a folded i‐motif structure is detrimental for adsorption. Using MD simulations, the authors reveal that the stronger adsorption of poly‐C DNA at neutral pH is due to more contributions from the phosphate backbone hydrogen bonding with GO surface relating to the flexibility of the DNA. Poly‐C DNA also uses its phosphate backbone to interact with metal oxide and phosphate nanoparticles, and this phosphate backbone interaction can unify all these observations.
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) | 0,000 | 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) | 0,001 | 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 ».