MétaCan
Menu
Retour à la cohorte
Enregistrement W2083046951 · doi:10.1063/1.4894244

A portable lab-on-a-chip system for gold-nanoparticle-based colorimetric detection of metal ions in water

2014· article· en· W2083046951 sur OpenAlexafffund
Chen Zhao, Guowei Zhong, Daeun Kim, Jinxia Liu, Xinyu Liu

Notice bibliographique

RevueBiomicrofluidics · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsMcGill University
Mots-clésLab-on-a-chipColloidal goldNanotechnologyNanoparticleMetal ions in aqueous solutionChipIonComputer scienceMaterials scienceMetalChemistryMicrofluidicsMetallurgyTelecommunicationsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Heavy metal ions released into various water systems have a severe impact on the environment and human beings, and excess exposure to toxic metal ions through drinking water poses high risks to human health and causes life-threatening diseases. Thus, there is high demand for the development of a rapid, low-cost, and sensitive method for detection of metal ions in water. We present a portable analytical system for colorimetric detection of lead (Pb(2+)) and aluminum (Al(3+)) ions in water based on gold nanoparticle probes and lab-on-a-chip instrumentation. The colorimetric detection of metal ions is conducted via single-step assays with low limits of detection (LODs) and high selectivity. We design a custom-made microwell plate and a handheld colorimetric reader for implementing the assays and quantifying the signal readout. The calibration experiments demonstrate that this portable system provides LODs of 30 ppb for Pb(2+) and 89 ppb for Al(3+), both comparable to bench-top analytical spectrometers. It promises an effective platform for metal ion analysis in a more economical and convenient way, which is particularly useful for water quality monitoring in field and resource-poor settings.

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)0,001
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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0030,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 GPT0,199
Écart entre enseignants0,188 · 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

Citations50
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomicrofluidicsMême sujetBiosensors and Analytical DetectionTravaux en français237 207