MétaCan
Menu
Retour à la cohorte
Enregistrement W2166202080 · doi:10.3390/s131216075

A Label-Free Microfluidic Biosensor for Activity Detection of Single Microalgae Cells Based on Chlorophyll Fluorescence

2013· article· en· W2166202080 sur OpenAlexaff
Junsheng Wang, Jinyang Sun, Yongxin Song, Yongyi Xu, Xinxiang Pan, Yeqing Sun, Dongqing Li

Notice bibliographique

RevueSensors · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine Ecology and Invasive Species
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésBiosensorMicrofluidicsBallastFluorescenceChlorella vulgarisChlorophyll fluorescencePhotosynthesisChlorophyllDunaliella salinaAlgaeChemistryBiologyBotanyNanotechnologyMaterials scienceEcologyOptics

Résumé

récupéré en direct d'OpenAlex

Detection of living microalgae cells is very important for ballast water treatment and analysis. Chlorophyll fluorescence is an indicator of photosynthetic activity and hence the living status of plant cells. In this paper, we developed a novel microfluidic biosensor system that can quickly and accurately detect the viability of single microalgae cells based on chlorophyll fluorescence. The system is composed of a laser diode as an excitation light source, a photodiode detector, a signal analysis circuit, and a microfluidic chip as a microalgae cell transportation platform. To demonstrate the utility of this system, six different living and dead algae samples (Karenia mikimotoi Hansen, Chlorella vulgaris, Nitzschia closterium, Platymonas subcordiformis, Pyramidomonas delicatula and Dunaliella salina) were tested. The developed biosensor can distinguish clearly between the living microalgae cells and the dead microalgae cells. The smallest microalgae cells that can be detected by using this biosensor are 3 μm ones. Even smaller microalgae cells could be detected by increasing the excitation light power. The developed microfluidic biosensor has great potential for in situ ballast water analysis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,057
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,196
Écart entre enseignants0,185 · 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 tête enseignante, pas un consensus.

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

Citations58
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetMarine Ecology and Invasive SpeciesTravaux en français237 207