Ultrasensitive Lateral Flow Immunoassay of Fluoroquinolone Antibiotic Gatifloxacin Using Au@Ag Nanoparticles as a Signal-Enhancing Label
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Gatifloxacin (GAT), an antibiotic belonging to the fluoroquinolone (FQ) class, is a toxicant that may contaminate food products. In this study, a method of ultrasensitive immunochromatographic detection of GAT was developed for the first time. An indirect format of the lateral flow immunoassay (LFIA) was performed. GAT-specific monoclonal antibodies and labeled anti-species antibodies were used in the LFIA. Bimetallic core@shell Au@Ag nanoparticles (Au@Ag NPs) were synthesized as a new label. Peroxidase-mimic properties of Au@Ag NPs allowed for the catalytic enhancement of the signal on test strips, increasing the assay sensitivity. A mechanism of Au@Ag NPs-mediated catalysis was deduced. Signal amplification was achieved through the oxidative etching of Au@Ag NPs by hydrogen peroxide. This resulted in the formation of gold nanoparticles and Ag+ ions, which catalyzed the oxidation of the peroxidase substrate. Such “chemical enhancement” allowed for reaching the instrumental limit of detection (LOD, calculated by Three Sigma approach) and cutoff of 0.8 and 20 pg/mL, respectively. The enhanced assay procedure can be completed in 21 min. The enhanced LFIA was tested for GAT detection in raw meat samples, and the recoveries from meat were 78.1–114.8%. This method can be recommended as a promising instrument for the sensitive detection of various toxicants.
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.
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 | 0,001 |
| 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 découle