Carbon Nanomaterials Based Electrochemical Sensors/Biosensors for the Sensitive Detection of Pharmaceutical and Biological Compounds
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
Electrochemical sensors and biosensors have attracted considerable attention for the sensitive detection of a variety of biological and pharmaceutical compounds. Since the discovery of carbon-based nanomaterials, including carbon nanotubes, C60 and graphene, they have garnered tremendous interest for their potential in the design of high-performance electrochemical sensor platforms due to their exceptional thermal, mechanical, electronic, and catalytic properties. Carbon nanomaterial-based electrochemical sensors have been employed for the detection of various analytes with rapid electron transfer kinetics. This feature article focuses on the recent design and use of carbon nanomaterials, primarily single-walled carbon nanotubes (SWCNTs), reduced graphene oxide (rGO), SWCNTs-rGO, Au nanoparticle-rGO nanocomposites, and buckypaper as sensing materials for the electrochemical detection of some representative biological and pharmaceutical compounds such as methylglyoxal, acetaminophen, valacyclovir, β-nicotinamide adenine dinucleotide hydrate (NADH), and glucose. Furthermore, the electrochemical performance of SWCNTs, rGO, and SWCNT-rGO for the detection of acetaminophen and valacyclovir was comparatively studied, revealing that SWCNT-rGO nanocomposites possess excellent electrocatalytic activity in comparison to individual SWCNT and rGO platforms. The sensitive, reliable and rapid analysis of critical disease biomarkers and globally emerging pharmaceutical compounds at carbon nanomaterials based electrochemical sensor platforms may enable an extensive range of applications in preemptive medical diagnostics.
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) | 0,001 | 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 découle