MétaCan
Menu
Retour à la cohorte
Enregistrement W3175779577 · doi:10.1016/j.jobab.2021.06.001

Green CoNi2S4/porphyrin decorated carbon-based nanocomposites for genetic materials detection

2021· article· en· W3175779577 sur OpenAlexvenueno aff
Mohammad Reza Saeb, Navid Rabiee, Farzad Seidi, Bahareh Farasati Far, Mojtaba Bagherzadeh, Éder C. Lima, Mohammad Rabiee

Notice bibliographique

RevueJournal of Bioresources and Bioproducts · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPorphyrinBiosensorContext (archaeology)BiomoleculeNanocompositeCarbon fibersQuenching (fluorescence)FluorescenceChemistrySurface modificationNanotechnologyMaterials scienceCombinatorial chemistryPhotochemistryComposite number

Résumé

récupéré en direct d'OpenAlex

A one-pot synthesis method was conceptualized and implemented to develop green carbon-based nanocomposites working as biosensors. Porphyrin was synthesized to adorn the surface of nanocomposites making them highly sensitive for giving rise to π-π interactions between the genetic materials, proteins and porphyrin rings. The hydrogen bond formed between the proteins (analytes) and the nitrogen in the porphyrin structure as well as the surface hydroxyl groups was equally probable. In this context, different forms of porphyrins were incorporated to explore the interrelationship between the surface morphology and the ability of detection of genetic material and/or proteins by the aid of the synthesized structures. This phenomenon was conceptualized to optimize the interactions between the biomolecules and the substrate by reaching significant biosensor application in the presence of Anti-cas9 protein and sgRNA (concentration changed between 10 and 500 n mol/L). Almost full quenching of fluorescence emission was observed after addition of 300 n mol/L of Anti-cas9 protein and 250 n mol/L of sgRNA. Surprisingly, CoNi2S4 provided 12%–29% cytotoxicity in both HEK-293 and PC12 cell lines.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,493

Scores Codex et Gemma par catégorie

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,008
Tête enseignante GPT0,236
Écart entre enseignants0,228 · 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 tête enseignante, 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

Citations66
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Bioresources and BioproductsMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207