Reagentless Bidirectional Lateral Flow Bioactive Paper Sensors for Detection of Pesticides in Beverage and Food Samples
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
A reagentless bioactive paper-based solid-phase biosensor was developed for detection of acetylcholinesterase (AChE) inhibitors, including organophosphate pesticides. The assay strip is composed of a paper support (1 x 10 cm), onto which AChE and a chromogenic substrate, indophenyl acetate (IPA), were entrapped using biocompatible sol-gel derived silica inks in two different zones (e.g., sensing and substrate zones). The assay protocol involves first introducing the sample to the sensing zone via lateral flow of a pesticide-containing solution. Following an incubation period, the opposite end of the paper support is placed into distilled deionized water (ddH(2)O) to allow lateral flow in the opposite direction to move paper-bound IPA to the sensing area to initiate enzyme catalyzed hydrolysis of the substrate, causing a yellow-to-blue color change. The modified sensor is able to detect pesticides without the use of any external reagents with excellent detection limits (bendiocarb approximately 1 nM; carbaryl approximately 10 nM; paraoxon approximately 1 nM; malathion approximately 10 nM) and rapid response times (approximately 5 min). The sensor strip showed negligible matrix effects in detection of pesticides in spiked milk and apple juice samples. Bioactive paper-based assays on pesticide residues collected from food samples showed good agreement with a conventional mass spectrometric assay method. The bioactive paper assay should, therefore, be suitable for rapid screening of trace levels of organophosphate and carbamate pesticides in environmental and food samples.
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) | 0,000 | 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