MétaCan
Menu
Retour à la cohorte
Enregistrement W4415703722 · doi:10.1021/acs.langmuir.5c04431

Nanozyme-Linked Immunosorbent Assays: A Kinetic Perspective

2025· article· en· W4415703722 sur OpenAlexafffund
Vasily G. Panferov, Nicholas D’Abruzzo, Nadezhda A. Byzova, Juewen Liu

Notice bibliographique

RevueLangmuir · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Nanomaterials in Catalysis
Établissements canadiensNational Institute for NanotechnologyUniversity of Waterloo
Organismes subventionnairesMinistry of Science and Higher Education of the Russian FederationUniversity of WaterlooNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésHorseradish peroxidaseCatalysisStability (learning theory)Kinetic energySensitivity (control systems)Range (aeronautics)Perspective (graphical)

Résumé

récupéré en direct d'OpenAlex

Nanozymes with peroxidase-like (POD) activity are increasingly utilized as functional replacements for horseradish peroxidase in various assays. In particular, their application in enzyme-linked immunosorbent assays (ELISA) has led to the development of nanozyme-linked immunosorbent assays (NLISA). NLISA follow the well-established ELISA procedure and have been reported for a wide range of nanozymes and analytes. However, most developments overlook the fundamental differences between enzyme and nanozyme catalysis, often resulting in nonoptimal protocols in a kinetically limited regime. Herein, using core@shell Au@Pt and Au@Pd POD-like nanozymes, we demonstrate significant differences in the Michaelis-Menten constant depending on the shell thickness. Furthermore, for the first time, we report the unusually high stability of POD-like activity at ultralow pH values (down to minus 0.56). This unique feature enabled us to propose new strategies for terminating the catalytic reaction. In summary, we show that consideration of the distinct catalytic properties of nanozymes enables the development of NLISA protocols with up to an order of magnitude higher sensitivity and minimized background.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,050
Score d'incertitude au seuil0,819

Scores Codex et Gemma par catégorie

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)0,0010,001

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 Opus0,009
Tête enseignante GPT0,283
Écart entre enseignants0,274 · 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 tête enseignante, 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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLangmuirMême sujetAdvanced Nanomaterials in CatalysisTravaux en français237 207