How Functionalization Affects the Detection Ability of Quantum Dots
Notice bibliographique
Résumé
Quantum dots (QDs) have outstanding optical, physiochemical, and chemical properties that make them an extraordinary alternative to fluorescent organic dyes. Recently, they have become excellent photoluminescent labels for detection and diagnosis in medical sciences; they are also used for the detection of target analytes in a variety of scientific fields, such as agricultural, food, and environmental sciences. These extensive applications are made possible by QDs’ high potential for surface state changes when coupled with macromolecules, such as antibodies, aptamers, proteins, lipids, and other small molecules. QDs can be functionalized by complicated or simple procedures depending on their type. The bioconjugation of carbon QDs (CQDs) is more facile due to the possibility of one-pot synthesis and functionalization with carboxylic and amine groups through the accurate selection of carbon precursors. Bioconjugation and functionalization protocols for semiconductor QDs (SQDs) are more complicated compared with those reported for carbon-based QDs and organic dyes. The functionalization of QDs affects their photoluminescence and chemical characteristics, size distribution, in vivo and in vitro detection abilities, and toxicity. Functionalized QDs may also act as antioxidants and scavenge reactive oxygen species. This chapter briefly reviews several functionalization methods and shows how QDs’ surface chemistry determines their target applications. Conjugated QDs’ applications in cell and tissue imaging, disease diagnosis and treatment, and biomedical sensing are discussed.
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) | 0,001 | 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 ».