MétaCan
Menu
Retour à la cohorte
Enregistrement W4233484650 · doi:10.1002/9783527808465.emc2016.5962

In‐liquid <scp>TEM</scp> to visualize multimerization and self‐assembly of <scp>DNA</scp> functionalized gold nanoparticles

2016· other· en· W4233484650 sur OpenAlexaff
Sercan Keskin, Stephanie Besztejan, Guenther Kassier, Stephanie Manz, Robert Buecker, Svenja Riekeberg, Hoc Khiem Trieu, Andrea Rentmeister, Dwayne Miller

Notice bibliographique

RevueEuropean Microscopy Congress 2016: Proceedings · 2016
Typeother
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDNAOligonucleotideTransmission electron microscopyChemistryColloidal goldBase pairDNA origamiBiophysicsNanotechnologyNanoparticleMaterials scienceBiochemistryBiology

Résumé

récupéré en direct d'OpenAlex

Base‐pairing stability in DNA‐gold nanoparticle (DNA‐AuNP) multimers along with their dynamics under different electron beam intensities was investigated with in‐liquid transmission electron microscopy (in‐liquid TEM) using custom developed silicon nitride based liquid cells. Multimer formation was triggered by hybridization of DNA oligonucleotides to another DNA strand (Hyb‐DNA) related to the concept of DNA origami. We analyzed the degree of multimer formation for a number of samples and a series of control samples to determine the specificity of the multimerization during the TEM imaging. DNA‐AuNPs with Hyb‐DNA showed an interactive motion and assembly into 1D structures once the electron beam intensity exceeds a threshold value. These findings indicate that DNA base pairing interactions are the driving force for in situ multimerization and DNA‐metallic NP conjugates provide excellent models to understand structure‐function correlation in biological systems with nanometer spatial resolution (Keskin et al., 2015, 10.1021/acs.jpclett.5b02075).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,700
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,274
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Microscopy Congress 2016: ProceedingsMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207