Carbon Nanostructure-Based DNA Sensor Used for Quickly Detecting Breast Cancer-Associated Genes
Notice bibliographique
Résumé
Abstract The early diagnosis of breast cancer highly relies on the detection of mutant DNA at low concentrations. Förster resonance energy transfer (FRET) quenching may offer a solution to quickly detect a small amount of single-strand DNA (ssDNA) through the combination of nanomaterials with special luminescence and unique structures of DNA double helix structure. Here, carbon quantum dots (CDs) modified with Capture ssDNA act as the FRET donor which interact with the two-dimensional fluorescence quencher, i.e., graphene oxide nanosheets (GO), to detect breast cancer-associated Target ssDNA at a low concentration. CDs bioconjugated with the designed Capture ssDNA (named CDs-Capture ssDNA) have the maximum fluorescence intensity ( I max ) at the emission ( λ em ) = 510 nm. The fluorescence of CDs-Capture ssDNA is quenched, while they interact with GO due to the π – π * interaction between ssDNA and GO. In the presence of Target ssDNA, the I max is restored because of the stronger interaction between Target ssDNA and CDs-Capture ssDNA through the hydrogen bond. The restored fluorescence intensity of CDs has a linear relationship with the concentration of Target ssDNA from 0.25 to 2.5 μM with a detection limit around 0.24 μM. The selectivity of the sensing system has been further evaluated by testing the 3-base mismatched and non-base matched in which efficient restoration of photoluminescence of the sensing system cannot be observed. This carbon nanostructure-based DNA sensing system offers a user-friendly and quick detection of single-strand DNA at lower concentration.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».