Porous Au–Ag Nanoparticles from Galvanic Replacement Applied as Single‐Particle SERS Probe for Quantitative Monitoring
Notice bibliographique
Résumé
Plasmonic nanostructures have raised the interest of biomedical applications of surface-enhanced Raman scattering (SERS). To improve the enhancement and produce sensitive SERS probes, porous Au-Ag alloy nanoparticles (NPs) are synthesized by dealloying Au-Ag alloy NP-precursors with Au or Ag core in aqueous colloidal environment through galvanic replacement reaction. The novel designed core-shell Au-Ag alloy NP-precursors facilitate controllable synthesis of porous nanostructure, and dealloying degree during the reaction has significant effect on structural and spectral properties of dealloyed porous NPs. Narrow-dispersed dealloyed NPs are obtained using NPs of Au/Ag ratio from 10/90 to 40/60 with Au and Ag core to produce solid core@porous shell and porous nanoshells, having rough surface, hollowness, and porosity around 30-60%. The clean nanostructure from colloidal synthesis exhibits a redshifted plasmon peak up to near-infrared region, and the large accessible surface induces highly localized surface plasmon resonance and generates robust SERS activity. Thus, the porous NPs produce intensely enhanced Raman signal up to 68-fold higher than 100 nm AuNP enhancement at single-particle level, and the estimated Raman enhancement around 7800, showing the potential for highly sensitive SERS probes. The single-particle SERS probes are effectively demonstrated in quantitative monitoring of anticancer drug Doxorubicin release.
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) | 0,000 | 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) | 0,000 | 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 ».