MétaCan
Menu
Retour à la cohorte
Enregistrement W2163555594 · doi:10.1364/oe.17.020386

Nanoimprinted plastic substrates for enhanced surface plasmon resonance imaging detection

2009· article· en· W2163555594 sur OpenAlexafffund
Lidija Malic, Bo Cui, Maryam Tabrizian, Teodor Veres

Notice bibliographique

RevueOptics Express · 2009
Typearticle
Langueen
DomaineEngineering
ThématiquePlasmonic and Surface Plasmon Research
Établissements canadiensMcGill University
Organismes subventionnairesNational Research Council CanadaFonds Québécois de la Recherche sur la Nature et les TechnologiesSteadman Philippon Research Institute
Mots-clésMaterials scienceSurface plasmon resonanceSurface plasmonRefractive indexPlasmonBiosensorOpticsOptoelectronicsNanotechnologyThin filmDielectricSIGNAL (programming language)Nanoimprint lithographyFabricationComputer scienceNanoparticle

Résumé

récupéré en direct d'OpenAlex

Periodic nanostructures fabricated by Nanoimprint Litography (NIL) in low-cost plastic substrates and coated with thin gold film were explored for enhanced surface plasmon resonance imaging (SPRi) detection. Rigorous coupled-wave analysis was used to model the SPRi response of these nanostructured surfaces. Two-dimensional nanogratings and nanogrooves were fabricated on Zeonor 1060R(TM) by NIL and followed by metal deposition. The detection of refractive index changes in the dielectric layer due to bulk medium change, DNA immobilization and DNA hybridization events were monitored using SPRi to assess the corresponding signal amplification. The results indicate target-dependent sensitivity enhancement which is maximized for the detection of biomolecular binding events. The 500 nm period nanogrooves provided a 4 times SPR signal amplification compared to the conventional uniform gold film on SF-11 glass for DNA hybridization detection. Our work demonstrates that the use of nanoimprinted plastic substrates provides a low-cost solution for the SPR-based detection with sensitivity that meets the requirements in practical diagnostic applications.

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)0,000
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 seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,240
Écart entre enseignants0,229 · 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

Citations20
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOptics ExpressMême sujetPlasmonic and Surface Plasmon ResearchTravaux en français237 207