MétaCan
Menu
Retour à la cohorte
Enregistrement W2060265983 · doi:10.1021/ac035143t

Electrochemical Biosensing Platforms Using Platinum Nanoparticles and Carbon Nanotubes

2003· article· en· W2060265983 sur OpenAlexaff
Sabahudin Hrapovic, Yali Liu, Keith B. Male, John H. T. Luong

Notice bibliographique

RevueAnalytical Chemistry · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrochemical sensors and biosensors
Établissements canadiensNational Research Council CanadaBiotechnology Research Institute
Organismes subventionnairesnon disponible
Mots-clésPlatinum nanoparticlesBiosensorGlucose oxidaseCarbon nanotubeChemistryNanoparticleNafionGlassy carbonPlatinumCyclic voltammetryMicroelectrodeNanotechnologyElectrodeElectrochemistryChemical engineeringMaterials scienceOrganic chemistryCatalysis

Résumé

récupéré en direct d'OpenAlex

Platinum nanoparticles with a diameter of 2-3 nm were prepared and used in combination with single-wall carbon nanotubes (SWCNTs) for fabricating electrochemical sensors with remarkably improved sensitivity toward hydrogen peroxide. Nafion, a perfluorosulfonated polymer, was used to solubilize SWCNTs and also displayed strong interactions with Pt nanoparticles to form a network that connected Pt nanoparticles to the electrode surface. TEM and AFM micrographs illustrated the deposition of Pt nanoparticles on carbon nanotubes whereas cyclic voltammetry confirmed an electrical contact through SWCNTs between Pt nanoparticles and the glassy carbon (GC) or carbon fiber backing. With glucose oxidase (GOx) as an enzyme model, we constructed a GC or carbon fiber microelectrode-based biosensor that responds even more sensitively to glucose than the GC/GOx electrode modified by Pt nanoparticles or CNTs alone. The response time and detection limit (S/N = 3) of this biosensor was determined to be 3 s and 0.5 microM, respectively.

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 seuil0,004

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,009
Tête enseignante GPT0,206
Écart entre enseignants0,197 · 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

Citations1 058
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetElectrochemical sensors and biosensorsTravaux en français237 207