Detection and Quantification of Chloramphenicol in Milk and Honey Using Molecularly Imprinted Polymers: Canadian Penny‐Based SERS Nano‐Biosensor
Notice bibliographique
Résumé
We integrated molecularly imprinted polymers with surface-enhanced Raman spectroscopy (MIPs-SERS) to develop an innovative nano-biosensor for the determination of chloramphenicol (CAP) in milk and honey products. Template molecule (CAP), functional monomer (acrylamide), cross-linking agent (ethylene glycol dimethacrylate), initiator (2,2'-azobis(isobutyronitrile)), and porogen (methanol) were employed to form MIPs via "dummy" precipitation polymerization. Static and kinetic studies validated the specific selectivity of MIPs toward CAP over nonimprinted polymers (imprinting factor >4). Canadian penny-based silver nano-structure was synthesized as SERS-active substrate for determination of CAP in food matrices. Collected spectra were processed by principal component analysis to differentiate various concentrations of CAP in foods. Partial least squares regression models showed good prediction values (R > 0.9) of actual spiked contents (0, 0.1, 0.5, 1, 5 ppm) of CAP in milk and honey. This developed nano-biosensor is low cost, requires little sample pretreatment, and can provide reliable detection of trace level of chemical hazards in food systems within a total of 15 min.
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 | 0,001 |
| 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 | 0,000 | 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 ».