Notice bibliographique
Résumé
Lanthanide nanoparticles (LnNPs) have the potential to be used as high-sensitivity mass tag reporters in mass cytometry immunoassays. For this application, however, the LnNPs must be made colloidally stable in aqueous buffers, demonstrate minimal non-specific binding to cells, and have functional groups to attach antibodies or other targeting agents. One possible approach to address these requirements is by using lipid coating to modify the surface of the LnNPs. In this work, 39 nm diameter NaYF<sub>4</sub>:Yb, Er NPs (LnNPs) were coated with a lipid formulation consisting of egg sphingomyelin, 1,2-dioleoyl-<i>sn</i>-glycero-3-phosphocholine, 1,2-dioleoyl-3-trimethylammonium propane, cholesterol-(polyethylene glycol-600), and 1,2-distearoyl-<i>sn</i>-glycero-3-phosphoethanolamine-<i>N</i>-[biotinyl(polyethylene glycol)-2000]. The resulting biotinylated lipid-coated LnNPs were characterized by dynamic light scattering to determine the hydrodynamic size and stability in phosphate buffered saline, and the composition of the lipid coatings was quantified by liquid chromatography-tandem mass spectrometry. The specific and non-specific binding of the biotinylated lipid-coated LnNPs to a model system of functionalized polystyrene microbeads were then tested by both suspension and imaging mass cytometry. We found that targeted binding with minimal non-specific binding can be achieved with the lipid-coated LnNPs and that the lipid composition of the coating has an impact on the performance of the LnNPs as mass cytometry reporters. These results additionally establish the importance of quantifying the composition of lipid-coated nanomaterials to optimize them more effectively for their desired application.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,010 | 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 ».