SARS-CoV-2 Receptor Binding Domain as a Stable-Potential Target for SARS-CoV-2 Detection by Surface—Enhanced Raman Spectroscopy
Notice bibliographique
Résumé
In this work, we report a new approach for detecting SARS-CoV-2 RBD protein (RBD) using the surface-enhanced Raman spectroscopy (SERS) technique. The optical enhancement was obtained thanks to the preparation of nanostructured Ag/Au substrates. Fabricated Au/Ag nanostructures were used in the SERS experiment for RBD protein detection. SERS substrates show higher capabilities and sensitivity to detect RBD protein in a short time (3 s) and with very low power. We were able to push the detection limit of proteins to a single protein detection level of 1 pM. The latter is equivalent to 1 fM as a detection limit of viruses. Additionally, we have shown that the SERS technique was useful to figure out the presence of RBD protein on antibody functionalized substrates. In this case, the SERS detection was based on protein-antibody recognition, which led to shifts in the Raman peaks and allowed signal discrimination between RBD and other targets such as Bovine serum albumin (BSA) protein. A perfect agreement between a 3D simulated model based on finite element method and experiment was reported confirming the SERS frequency shift potential for trace proteins detection. Our results could open the way to develop a new prototype based on SERS sensitivity and selectivity for rapid detection at a very low concentration of virus and even at a single protein level.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 tête enseignante, 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 ».