亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Sub‐10 nm Silicon‐Based Pyramidal Nanopore Enabling High Performance Single Protein Molecule Detection

纳米孔 材料科学 制作 信号(编程语言) 纳米技术 光电子学 离子键合 分子 电场 封锁 二氧化硅 场效应 纳米- 纳米孔测序 小分子 热氧化
作者
Liang Cheng,蔡初浩,Zhishan Yuan,Li Ma,Maoxiang Hou,Huilong Liu,Yu Xiao,Mengjie Zheng,Yun Chen,X Chen,Ching‐Ping Wong
出处
期刊:Advanced Functional Materials [Wiley]
标识
DOI:10.1002/adfm.76232
摘要

ABSTRACT Solid‐state nanopores are pivotal for next‐generation single‐protein detection, yet reconciling high fabrication efficiency, precision, and signal quality remains challenging. In this study, we integrate pyramidal silicon nanopores—valued for electric field focusing and high capture efficiency—with a silicon dioxide (SiO 2 ) layer designed to minimize nonspecific protein adsorption. This strategy aims to balance rapid translocation rates with clear blockade signals. Furthermore, we have developed a large‐scale fabrication method capable of producing uniformly arranged silicon‐based pyramidal nanopores with diameters below 10 nm. This technique combines wet etching, real‐time ionic current monitoring, and thermal oxidation, enabling precise size control down to 7 nm. We evaluated 7 nm, 12 nm, and 14 nm nanopores for detecting α‐synuclein (α‐syn), immunoglobulin G (IgG), and ferritin (FTN), respectively. All nanopore sizes achieved efficient target detection, yielding resolvable blockade signals alongside high capture rates and fast translocation speeds. Notably, α‐syn detection demonstrated improved overall performance in terms of event rate, signal quality, and blockade signal resolution, with similarly effective results observed for IgG and FTN. These results demonstrate the strong potential of this nanopore platform for protein detection.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
7秒前
重要盼易完成签到,获得积分10
18秒前
23秒前
42秒前
44秒前
52秒前
56秒前
万能图书馆应助陆玖笙采纳,获得10
59秒前
微笑的雅彤完成签到,获得积分10
1分钟前
kitty完成签到,获得积分10
1分钟前
勤劳半青完成签到,获得积分10
1分钟前
hua完成签到,获得积分10
1分钟前
科研通AI6.3应助jenniferli采纳,获得10
1分钟前
haha完成签到 ,获得积分10
1分钟前
1分钟前
archiz发布了新的文献求助10
1分钟前
1分钟前
忧心的棒球完成签到,获得积分10
2分钟前
2分钟前
2分钟前
2分钟前
archiz发布了新的文献求助10
2分钟前
陆玖笙发布了新的文献求助10
2分钟前
2分钟前
jenniferli发布了新的文献求助10
2分钟前
2分钟前
2分钟前
情怀应助jenniferli采纳,获得10
2分钟前
aubusson应助bhcs采纳,获得50
2分钟前
小朱完成签到,获得积分10
2分钟前
尼古拉斯完成签到,获得积分10
2分钟前
无限的寡妇完成签到,获得积分10
2分钟前
3分钟前
Owen应助ygl0217采纳,获得10
3分钟前
3分钟前
ygl0217发布了新的文献求助10
3分钟前
3分钟前
ygl0217完成签到,获得积分10
3分钟前
土土桔子糖完成签到 ,获得积分10
3分钟前
打打应助XX采纳,获得10
3分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
APA handbook of comparative psychology: Basic concepts, methods, neural substrate, and behavior 1000
Health Psychology 1000
全员动态考核,锚定高质量发展:读懂同济大学教师人事改革新政的深层价值 900
Matrix Methods in Data Mining and Pattern Recognition Second Edition 510
The fast track to determining transfer functions of linear circuits: The student guide 500
Römisch-Germanische Forschungen 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7597607
求助须知:如何正确求助?哪些是违规求助? 9174207
关于积分的说明 19640338
捐赠科研通 7174446
什么是DOI,文献DOI怎么找? 3268235
关于科研通互助平台的介绍 2432792
邀请新用户注册赠送积分活动 2261491