Notice bibliographique
Résumé
Abstract Biosensors, as defined by Biosensors and Bioelectronics, are analytical devices “incorporating a biological material, a biologically derived material or biomimetic intimately associated with or integrated within a physicochemical transducer or transducing microsystem”. Fluorescence‐based biosensors are those devices that derive an analytical signal from the fluorescence emission process. Such biosensors may be used for a wide variety of tasks, including: detection of compounds of biomedical, 1 environmental 2 or defense interest, 3 on‐line monitoring for process control, 4 monitoring of foodstuffs, 5 selective detection of compounds undergoing a chemical separation, 6 and screening of drug compounds. 7 Advantages of such devices include: 8 high selectivity; rapid response times; reusability; amenability to remote analysis; and immunity from electrical interferences. The selective nature of the complexation between the biomolecule and the analyte, combined with the small size of the device and the advantages of total internal reflection (TIR)‐based spectroscopy, 9 also results in an ability to measure analytes in complex matrixes. Such samples may include highly scattering systems such as milk or whole blood, 10 or relatively inaccessible locations such as groundwater wells, or even intracellular environments. 11 The key limitation of such devices mainly centers around the poor stability of biological compounds, which can lead to a substantial drift in instrument response over time. There is also the potential for interferences related to biological autofluorescence, and the analyte‐dependent sensitivity and limit of detection (LOD) for sensors, which rely on the nature of both the protein and the fluorescent probe utilized. Finally, in cases where immunological reagents are used, the devices can show a lack of reversibility, and may operate only as a “one‐shot” screen, without the potential for continuous, quantitative analysis.
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 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 tête enseignante, 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 ».