Fabrication of SERS‐Active Substrates using Silver Nanofilm‐Coated Porous Anodic Aluminum Oxide for Detection of Antibiotics
Notice bibliographique
Résumé
We have developed a silver nanofilm-coated porous anodic aluminum oxide (AAO) as a surface-enhanced Raman scattering (SERS)-active substrate for the detection of trace level of chloramphenicol, a representative antibiotic in food systems. The ordered aluminum template generated during the synthesis of AAO serves as a patterned matrix on which a coated silver film replicates the patterned AAO matrix to form a 2-dimensional ordered nanostructure. We used atomic force microscopy and scanning electron microscopy images to determine the morphology of this nanosubstrate, and characterized its localized surface plasmon resonance by ultraviolet-visible reflection. We gauged the SERS effect of this nanosubstrate by confocal micro-Raman spectroscopy (782-nm laser), finding a satisfactory and consistent performance with enhancement factors of approximately 2 × 10(4) and a limit of detection for chloramphenicol of 7.5 ppb. We applied principal component analysis to determine the limit of quantification for chloramphenicol of 10 ppb. Using electromagnetic field theory, we developed a detailed mathematical model to explain the mechanism of Raman signal enhancement of this nanosubstrate. With simple sample pretreatment and separation steps, this silver nanofilm-coated AAO substrate could detect 50 ppb chloramphenicol in milk, indicating good potential as a reliable SERS-active substrate for rapid detection of chemical contaminants in agricultural and food products.
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 | 0,001 |
| 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 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 ».