Fluorescence Resonance Energy Transfer-Based Aptasensor Made of Carbon-Based Nanomaterials for Detecting Lactoferrin at Low Concentrations
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Lactoferrin in the saliva is recently considered a biomarker for the diagnosis of Alzheimer’s disease. In this paper, a solution-based, user-friendly biosensing system has been developed to quickly measure lactoferrin at low concentrations. This aptasensor is applied to the fluorescence resonance energy transfer (FRET) quenching mechanism, in which carbon quantum dots (CDs) act as the FRET donor; the FRET quenching element is made of graphene oxide (GO) nanosheets which show good quenching capability. CDs bioconjugated with a chosen aptamer (CDs–aptamer) have the strongest emission (λ em ) at 447 nm when excitation (λ ex ) is 365 nm. Due to the interaction of the aptamer and GO through the π–π* interaction, GO can approach CDs, resulting in FRET quenching. In the presence of lactoferrin, the fluorescence intensity of CDs–aptamer is restored as the binding affinity between lactoferrin and the aptamer is stronger than the π–π* interaction between the aptamer and GO. A linear relationship between the restored fluorescence intensity and the concentration of lactoferrin in artificial saliva with a range from 4 to 16 μg/mL is observed. The limit of detection of the solution-based aptasensor is estimated at 2.48 μg/mL. In addition, the sensing performance of the aptasensor made of carbon nanomaterials has been evaluated to test different proteins including major salivary proteins. The results show that this aptasensor has a high selectivity to detect LF with a low concentration, <16 μg/mL.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».