Dextran-Functionalized Super-nanoparticle Assemblies of Quantum Dots for Enhanced Cellular Immunolabeling and Imaging
Notice bibliographique
Résumé
Colloidal semiconductor quantum dots (QDs) are a popular material for applications in bioanalysis and imaging. Although individual QDs are bright, some applications benefit from the use of even brighter materials. One approach to achieve higher brightness is to form super-nanoparticle (super-NP) assemblies of many QDs. Here, we present the preparation, characterization, and utility of dextran-functionalized super-NP assemblies of QDs. Amphiphilic dextran was synthesized and used to encapsulate many hydrophobic QDs via a simple emulsion-based method. The resulting super-NP assemblies or “super-QDs” had hydrodynamic diameters of ca. 90–160 nm, were characterized at the ensemble and single-particle levels, had orders-of-magnitude superior brightness compared to individual QDs, and were non-blinking. Additionally, binary mixtures of red, green, and blue (RGB) colors of QDs were used to prepare super-QDs, including colors difficult to obtain from individual QDs ( e.g., magenta). Tetrameric antibody complexes (TACs) enabled simple antibody conjugation for selective cellular immunolabeling and imaging with both an epifluorescence microscope and a smartphone-based platform. The technical limitations of the latter platform were overcome by the increased per-particle brightness of the super-QDs, and the super-QDs outperformed individual QDs in both cases. Overall, the super-QDs are a very promising material for bioanalysis and imaging applications where brightness is paramount.
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 | 0,000 | 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 ».