Positively Charged Gold Quantum Dots: An Nanozymatic “Off-On” Sensor for Thiocyanate Detection
Notice bibliographique
Résumé
The concentration of thiocyanate (SCN−) in bodily fluids is a good indicator of potential and severe health issues such as nasal bleeding, goiters, vertigo, unconsciousness, several inflammatory diseases, and cystic fibrosis. Herein, a visual SCN− sensing method has been developed using the enzyme-like nature of positively charged gold quantum dots (Au QDs) mixed with 3,3′,5,5′-tetramethylbenzidine (TMB) and hydrogen peroxide (H2O2). This research also reports a new method of synthesizing positively charged Au QDs directly from gold nanoparticles through a hydrothermal process. Microscopic imaging has showed that the Au QDs were 3–5 nm in size, and the emission wavelength was at 438 nm. Au QDs did not display any enzyme-like nature while mixed up with TMB and H2O2. However, the nanozymatic activity of Au QDs appeared when SCN− was included, leading to a very low detection limit (LOD) of 8 nM and 99–105% recovery in complex media. The steady-state kinetic reaction of Au QDs showed that Au QDs had a lower Michaelis–Menten constant (Km) toward H2O2 and TMB, which indicates that the Au QDs had a higher affinity for H2O2 and TMB than horseradish peroxidase (HRP). A mechanism study has revealed that the scavenging ability of hydroxyl (•OH) radicals by the SCN− group plays an important role in enhancing the sensitivity in this study. The proposed nanozymatic “Off–On” SCN− sensor was also successfully validated in commercial milk samples.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».