Mn, B, N co-doped graphene quantum dots for fluorescence sensing and biological imaging
Notice bibliographique
Résumé
The fluorescent and quantum yield (QY) of graphene quantum dots has been improved in recent years by doped atoms, which have good application prospects in fluorescence sensors and biological imaging. Here, a one-step hydrothermal synthesis method was used to synthesize manganese ions bonded with boron and nitrogen-doped graphene quantum dots (Mn-BN-GQDs). Compared with the boron and nitrogen co-doping graphene quantum dots (BN-GQDs), the fluorescence properties and quantum yield of Mn-BN-GQDs are significantly improved. Meanwhile, Mn-BN-GQDs exhibit low toxicity and good fluorescence imaging in living cells and has high selectivity to Fe3+ ions. Therefore, this experiment design Mn-BN-GQDs as a fluorescence sensor to detect Fe3+ ions, providing strong evidence for the advanced high sensitivity, selectivity and wide detection range of the Mn-BN-GQDs as a fluorescence sensor. These results indicate a dual linear relationship with good linear relationships in the 10–100 μM and 100–800 μM ranges, and limit of detection are 0.78 μM and 9.08 μM, respectively. Cellular imaging results demonstrate that Mn-BN-GQDs can be used as fluorescence sensors in biological imaging. Mn-BN-GQDs can be used for fluorescence sensing in biological imaging in combination with low toxicity, QY and quantum dot lifetime.
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 | 0,000 |
| 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 ».