Super-assembled sandwich-like Au@MSN@Ag nanomatrices for high-throughput and efficient detection of small biomolecules
Notice bibliographique
Résumé
Small biomolecules (m/z < 500) are the material basis of organisms and participate in life activities, but their comprehensive and accurate detection in complex samples remains a challenge. Matrix-assisted laser desorption/ionization mass spectrometry (MALDI-MS) is a powerful detection tool for molecular analysis with high throughput. The development of a new matrix is essential to improve the efficiency of the MALDI-MS for molecular compound detection. In this work, the sandwich-like gold nanoparticles@mesoporous silica nanocomposite@silver nanoparticles (Au@MSN@Ag) nanospheres were prepared by layer-by-layer super-assembly strategy, and can be used as a novel matrix for the quantitative detection and enrichment of small biomolecules by LDI-MS. The sandwich-like nanospheres form a unique plasma resonant cavity that effectively absorbs the laser energy, while the homogeneous mesoporous structure of MSN can lock the analyte, which is essential for efficient LDI of small molecules. Compared to traditional matrices, Au@MSN@Ag shows the advantages of low background, wide application range, high sensitivity, super high salt and protein tolerance, and good stability. For example, the detection limit of glucose was as low as 5 fmol, and showed a good linear relationship in the range of 1–750 µg/mL. Au@MSN@Ag assisted LDI-MS allows the enrichment and detection of small molecules in traditional Chinese medicine (TCM) without derivatization and purification, classification of herbs using the accurate quantitative results oligosaccharides, and identification of gelatin by amino acid content. This research could help in designing more efficient nanostructure matrices and further explored the application of LDI-MS.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».