MétaCan
Menu
Retour à la cohorte
Enregistrement W4387806324 · doi:10.1021/acsanm.3c04438

Catecholate Dye-Assisted Decoration of Ag on TiO<sub>2</sub> Nanoparticles for Detection of Cancer-Related MicroRNA Biomarkers on a Multiplexed Photoelectrochemical Platform

2023· article· en· W4387806324 sur OpenAlexafffund
Sadman Sakib, Roderick Maclachlan, Yuxuan Gao, Peter Mascher, Andy P. Knights, Leyla Soleymani, Igor Zhitomirsky

Notice bibliographique

RevueACS Applied Nano Materials · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésBiosensorNanomaterialsNanotechnologyMaterials scienceDetection limitPhotocurrentNanoparticleSurface plasmon resonanceHeterojunctionX-ray photoelectron spectroscopyChemistryOptoelectronicsChemical engineeringChromatography

Résumé

récupéré en direct d'OpenAlex

Photoelectrochemical (PEC) signal transduction has emerged as a powerful technique for ultrasensitive biosensing with a low background in complex media. However, it remains challenging to create PEC biosensors found on stable materials that are easily biofunctionalized. Herein, we report the development of a one-pot synthesis method for TiO 2 nanoparticles (NPs) decorated with Ag NPs. In this nanomaterial synthesis process, TiO 2 NPs are modified with hematoxylin (HTX) dye to achieve enhanced photoreduction and direct nucleation of Ag NPs. The resulting TiO 2 /HTX/Ag NP heterostructure showed significantly enhanced photocurrent generation, necessary for achieving high sensitivity in PEC biosensing, through the combined effects of plasmon resonance and photoelectron injection. TiO 2 /HTX/Ag NP is very easily biofunctionalized through thiol–metal complexation. This was taken as an advantage to create a multiplexing PEC microRNA sensor for the analysis of urine samples, which demonstrated a low limit of detection of 172 fM and a high dynamic range of 100 fM–100 nM, while showing a high degree of specificity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,000
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,268
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Applied Nano MaterialsMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207