Tetrameric Antibody Complexes and Affinity Tag Peptides for the Selective Immobilization and Imaging of Single Quantum Dots
Notice bibliographique
Résumé
Colloidal semiconductor quantum dots (QDs) are of widespread interest as fluorescent labels for bioanalysis and imaging applications. Single-particle measurements have proven to be a very powerful tool for better understanding the fundamental properties and behaviors of QDs and their bioconjugates; however, a recurring challenge is the immobilization of QDs in a solution-like environment that minimizes interactions with a bulk surface. Immobilization strategies for QD-peptide conjugates are particularly underdeveloped within this context. Here, we present a novel strategy for the selective immobilization of single QD-peptide conjugates using a combination of tetrameric antibody complexes (TACs) and affinity tag peptides. A glass substrate is modified with an adsorbed layer of concanavalin A (ConA) that binds a subsequent layer of dextran that minimizes nonspecific binding. A TAC with anti-dextran and anti-affinity tag antibodies binds to the dextran-coated glass surface and to the affinity tag sequence of QD-peptide conjugates. The result is spontaneous and sequence-selective immobilization of single QDs without any chemical activation or cross-linking. Controlled immobilization of multiple colors of QDs is possible using multiple affinity tag sequences. Experiments confirmed that this approach positions the QD away from the bulk surface. The method supports real-time imaging of binding and dissociation, measurements of Förster resonance energy transfer (FRET), tracking of dye photobleaching, and detection of proteolytic activity. We anticipate that this immobilization strategy will be useful for studies of QD-associated photophysics, biomolecular interactions and processes, and digital assays.
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 | 0,000 | 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) | 0,000 | 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 ».