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 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 | 0,001 | 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) | 0,001 | 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 ».