Redox dye–mediated fluorescence energy transfer of carbon nanotube–based nanosensors
Notice bibliographique
Résumé
Single-walled carbon nanotubes (SWCNTs) exhibit nonphotobleaching, near-infrared (NIR) fluorescence suitable for bioimaging applications. In particular, SWCNT fluorescence quenching induced by biopolymer dispersants facilitates flexible design of molecular nanosensors, yet challenges remain in analyte selectivity and lack of rational design strategies. A sought-after alternative to haphazard molecular modulation of SWCNT-based fluorescence is to couple the movement of a quencher to the SWCNT surface, enabling fluorescence energy transfer to modulate molecular recognition with high selectivity. This study presents the rational design of SWCNT-based nanosensors with fluorescence energy transfer, leveraging the unique properties of methylene blue (MB) proximity–mediated fluorescence quenching. MB-SWCNT-based nanosensors exhibit 1- stability in redox environments and 2- analyte-specific displacement-driven fluorescence modulation. By designing hybridization-induced displacement of MB-conjugated ssDNA from the SWCNT surface, we calculate that SWCNT fluorescence modulation can occur within a 6.8 nm fluorescence resonance energy transfer distance from the SWCNT surface and develop a robust and versatile platform to synthesize oligonucleotide nanosensors with tunable Δ F / F 0 of up to 150%. Building upon this strategy, we developed four distinct nanosensors capable of selectively detecting tobacco mosaic virus (TMV) viral RNA fragments, which successfully differentiated TMV-infected plants from mock controls. Finally, we demonstrate the potential expansion of our design to target a wider scope of biomolecules using the biotin-avidin system as a model. Taken together, our study presents a generalizable platform that enables rational engineering of SWCNT NIR fluorescence intensity through MB distance-dependent fluorescence energy transfer, overcoming the intrinsic selectivity challenges of current SWCNT nanosensors.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».