The development of “fab-chips” as low-cost, sensitive surface-enhanced Raman spectroscopy (SERS) substrates for analytical applications
Notice bibliographique
Résumé
The demand for methods and technologies capable of rapid, inexpensive and continuous monitoring of health status or exposure to environmental pollutants persists. In this work, the development of novel surface-enhanced Raman spectroscopy (SERS) substrates from metal-coated silk fabric, known as zari, presents the potential for SERS substrates to be incorporated into clothing and other textiles for the routine monitoring of important analytes, such as disease biomarkers or environmental pollutants. Characterization of the zari fabric was completed using scanning electron microscopy, energy dispersive X-ray analysis and Raman spectroscopy. Silver nanoparticles (AgNPs) were prepared, characterized by transmission electron microscopy and UV-vis spectroscopy, and used to treat fabric samples by incubation, drop-coating and in situ synthesis. The quality of the treated fabric was evaluated by collecting the SERS signal of 4,4'-bipyridine on these substrates. When AgNPs were drop-coated on the fabric, sensitive and reproducible substrates were obtained. Adenine was selected as a second probe molecule, because it dominates the SERS signal of DNA, which is an important class of disease biomarker, particularly for pathogens such as Plasmodium spp. and Mycobacterium tuberculosis. Excellent signal enhancement could be achieved on these affordable substrates, suggesting that the developed fabric chips have the potential for expanding the use of SERS as a diagnostic and environmental monitoring tool for application in wearable sensor technologies.
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 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 | 0,001 | 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».