Chitosan nanogels‐mediated <scp>AIE</scp> self‐assembly of copper nanoclusters for highly sensitive detection of the anticancer drug methotrexate
Notice bibliographique
Résumé
Abstract In this study, a facile and fast aqueous‐phase synthetic method for preparing chitosan‐based fluorescent nanogels (CS) by exploiting the aggregation‐induced emission (AIE) property of copper nanoclusters (Cu NCs) is proposed. Owing to the spatial confinement provided by the crosslinking network structure in chitosan‐based nanogels and the electrostatic interaction between positively charged chitosan nanogels and negatively charged Cu NCs, the fluorescent intensity of the as‐prepared CS‐Cu NCs was increased by approximately 17‐fold compared with that of Cu NCs. The fluorescence quantum yield is increased by more than four times; the as‐prepared CS‐Cu NCs exhibited a quantum yield of 64.12%. Additionally, CS‐Cu NCs exhibited significantly improved stability in aqueous solution, including excellent oxidation resistance, high anti‐salt stability, good thermal stability, and enhanced capacity of anti‐photobleaching. These properties provide a fundamental guarantee for the application of Cu NCs with AIE property in the biosensor and bioimaging. Upon the addition of the anticancer drug methotrexate (MTX) to CS‐Cu NCs, their fluorescent intensity was markedly quenched. Based on the observed fluorescence‐quenching phenomenon of CS‐Cu NCs induced by MTX, a novel fluorescence quenching nanoprobe was designed for detecting the labeling amount percentage of commercially available methotrexate tablets. The experimental results validated that our proposed nanoprobe exhibits a wider dynamic linear range and excellent accuracy with a low limit of detection (LOD) of 4.16 μM, thereby expanding the potential application of chitosan‐based nanogels encapsulating metal nanoclusters presenting AIE property in pharmaceutical quality control.
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) | 0,001 | 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 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 ».