MétaCan
Menu
Retour à la cohorte
Enregistrement W4281620167 · doi:10.1021/acsami.2c06061

Capping Gold Nanoparticles to Achieve a Protein-like Surface for Loop-Mediated Isothermal Amplification Acceleration and Ultrasensitive DNA Detection

2022· article· en· W4281620167 sur OpenAlexafffund
Xingxing Jiang, Minghui Yang, Juewen Liu

Notice bibliographique

RevueACS Applied Materials & Interfaces · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesChina Scholarship CouncilNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésColloidal goldLoop-mediated isothermal amplificationMaterials scienceDetection limitPolyvinylpyrrolidoneNanoparticleDNAFluorescenceReagentNanotechnologyChromatographyChemistryPolymer chemistryBiochemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Loop-mediated isothermal amplification (LAMP) is a popular DNA amplification method. Gold nanoparticles (AuNPs) were reported to enhance the efficiency of LAMP, although the underlying mechanism remained elusive. Since AuNPs strongly adsorb a range of ligands, preadsorbed ligands cannot be easily displaced. In this work, we systematically investigated the effect of surface-modified AuNPs on LAMP by varying the order of mixing of AuNPs with each reagent in the LAMP system (Mg2+, template DNA, dNTPs, primers, and polymerase). Mixing the AuNPs with the primers delayed the LAMP based on SYBR green I fluorescence. While other orders of mixing had little effect, all accelerated the reaction. We then tested other common ligands including polymers (polyethylene glycol and polyvinylpyrrolidone), inorganic ions (Br–), proteins, glutathione (GSH), and DNA (A15) on AuNP-LAMP. The boosted AuNP performance on LAMP was most obvious when the AuNPs formed a protein-like surface. Finally, using GSH-capped AuNPs, a detection limit of around 100 copies/μL–1 of target DNA was achieved. This work has identified a ligand-capped AuNP strategy to boost LAMP and yielded a higher sensitivity in DNA sensing, which also deepens our understanding of AuNP-assisted LAMP.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,748

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,011
Tête enseignante GPT0,202
Écart entre enseignants0,191 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations27
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Applied Materials & InterfacesMême sujetBiosensors and Analytical DetectionTravaux en français237 207