MétaCan
Menu
Retour à la cohorte
Enregistrement W2025347309 · doi:10.1021/ac902694d

Impedance Based Detection of Chemical Warfare Agent Mimics Using Ferrocene-Lysine Modified Carbon Nanotubes

2010· article· en· W2025347309 sur OpenAlexafffund
Piotr M. Diakowski, Yizhi Xiao, Michael W. P. Petryk, Heinz‐Bernhard Kraatz

Notice bibliographique

RevueAnalytical Chemistry · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrochemical sensors and biosensors
Établissements canadiensDefence Research and Development CanadaWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésChemistryCarbon nanotubeFerroceneLysineElectrical impedanceNanotechnologyCombinatorial chemistryChemical engineeringElectrodeElectrochemistryBiochemistryPhysical chemistryAmino acid

Résumé

récupéré en direct d'OpenAlex

A recognition layer formed by multiwalled carbon nanotubes (MWCNTs) covalently modified with a ferrocene-lysine conjugate deposited on the indium tin oxide (ITO) was investigated as a sensor for chemical warfare agent (CWA) mimics. Electrochemical impedance spectroscopy measurements showed that upon addition of CWA mimic dramatic changes occurred in the electrical properties of the recognition layer. These changes allowed the detection of nerve agent analogues at the micromolar level, and a limited sensitivity was observed toward a sulfur mustard mimic. Experimental parameters were optimized so as to allow the detection of CWAs at single frequency, thereby significantly reducing acquisition time and simplifying data treatment. A proposed method of detection represents a significant step toward the design of an affordable and "fieldable" electrochemical CWA sensor.

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 enseignants0,434
Score d'incertitude au seuil0,887

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 Opus0,011
Tête enseignante GPT0,219
Écart entre enseignants0,209 · 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

Citations55
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetElectrochemical sensors and biosensorsTravaux en français237 207