MétaCan
Menu
Retour à la cohorte
Enregistrement W1995314335 · doi:10.1364/oe.21.000698

Biosensing using straight long-range surface plasmon waveguides

2013· article· en· W1995314335 sur OpenAlexaff
Oleksiy Krupin, Hamoudi Asiri, Chen Wang, R. Niall Tait, Pierre Berini

Notice bibliographique

RevueOptics Express · 2013
Typearticle
Langueen
DomaineEngineering
ThématiquePlasmonic and Surface Plasmon Research
Établissements canadiensCarleton UniversityUniversity of TorontoUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésBiosensorAnalyteRefractive indexMaterials scienceBovine serum albuminCladding (metalworking)MonolayerSurface plasmonSurface plasmon resonancePlasmonOpticsMicrofluidicsOptoelectronicsBuffer (optical fiber)NanotechnologyNanoparticleChemistryChromatography

Résumé

récupéré en direct d'OpenAlex

Straight long-range surface plasmon waveguides are demonstrated as biosensors for the detection of cells, proteins and changes in the bulk refractive index of solutions. The sensors consist of 5 μm wide 22 nm thick Au stripes embedded in polymer (CYTOP™) with microfluidic channels etched into the top cladding. Bulk sensing is demonstrated by sequentially injecting six solutions of different refractive indices in 2 × 10(-3) RIU increments; such index steps were detected with a signal-to-noise ratio of ~1000. Selective capture of cells is demonstrated using Au waveguides functionalized with antibodies against blood group A, and red blood cells of group A and O in buffer as positive and negative analyte. Bovine serum albumin in buffer was used to demonstrate protein sensing. A monolayer of bovine serum albumin physisorbed on a carboxyl-terminated self-assembled monolayer on Au was detected with a signal-to-noise ratio of ~300. Overall, the biosensor demonstrated a good capability for detecting bulk changes in solution and for sensing analyte over a very wide range of mass (from cells to proteins). The biosensors are compact, inexpensive to fabricate, and may find use over a wide range of cost-sensitive sensing and detection applications.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,028
Tête enseignante GPT0,249
Écart entre enseignants0,221 · 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 source (Gemma direct ou Codex distillé), 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

Citations122
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOptics ExpressMême sujetPlasmonic and Surface Plasmon ResearchTravaux en français237 207