MétaCan
Menu
Retour à la cohorte
Enregistrement W1908900982 · doi:10.3390/s150922192

Simulations of Interdigitated Electrode Interactions with Gold Nanoparticles for Impedance-Based Biosensing Applications

2015· article· en· W1908900982 sur OpenAlexafffund
Scott MacKay, Peter Hermansen, David S. Wishart, Jie Chen

Notice bibliographique

RevueSensors · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensNational Institute for NanotechnologyAthabasca UniversityUniversity of Alberta
Organismes subventionnairesNational Research Council CanadaNatural Sciences and Engineering Research Council of CanadaAlberta InnovatesAlberta Innovates - Health SolutionsAlberta Innovates - Technology Futures
Mots-clésMultiphysicsBiosensorElectrodeMaterials scienceNanotechnologyNanoparticleElectrical impedanceElectric fieldOptoelectronicsFinite element methodChemistryElectrical engineeringEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

In this paper, we describe a point-of-care biosensor design. The uniqueness of our design is in its capability for detecting a wide variety of target biomolecules and the simplicity of nanoparticle enhanced electrical detection. The electrical properties of interdigitated electrodes (IDEs) and the mechanism for gold nanoparticle-enhanced impedance-based biosensor systems based on these electrodes are simulated using COMSOL Multiphysics software. Understanding these properties and how they can be affected is vital in designing effective biosensor devices. Simulations were used to show electrical screening develop over time for IDEs in a salt solution, as well as the electric field between individual digits of electrodes. Using these simulations, it was observed that gold nanoparticles bound closely to IDEs can lower the electric field magnitude between the digits of the electrode. The simulations are also shown to be a useful design tool in optimizing sensor function. Various different conditions, such as electrode dimensions and background ion concentrations, are shown to have a significant impact on the simulations.

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 enseignants0,011
Score d'incertitude au seuil0,362

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)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,303
Écart entre enseignants0,284 · 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

Citations72
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207