Morphology and Entrapped Enzyme Performance in Inkjet-Printed Sol–Gel Coatings on Paper
Notice bibliographique
Résumé
We recently reported on the multilayer printing of sol–gel/enzyme bioinks onto porous filter paper to create bioactive paper test strips. The method involves printing of four inks: a polymer underlayer, a sol–gel-based silica layer, an acetylcholinesterase (AChE) enzyme layer, and finally a top layer of silica. To improve our understanding of the nature of these printed materials, filter paper printed with various ink components was characterized by activity assays (with and without protease treatment), confocal microscopy to assess the location and mixing of layers, and scanning electron microscopy of deposited inks to assess the morphology and ink location. Although the silica and enzyme solutions were printed sequentially, they formed a composite material within the porous paper network and coated only the fibers as a 35 ± 15 nm thin film without filling the macropores. The silica coating on the cellulose fibers was sufficiently flexible to allow bending of the paper substrate, unlike traditional silica thin films. The protease assay results showed that the AChE was more protected as the amount of sol–gel-derived silica printed on paper was increased. The top layer of sol–gel ink was found to play a critical role in protection against proteolysis, while the bottom layer of sol–gel ink was found to be necessary to prevent the potential inhibition of AChE by the cationic polymer (used as a capture agent for the product of the enzymatic reaction). Overall, the data show that inkjet-printed sol–gel materials form thin, protein-entrapping films that are suitable for the production of printed biosensors.
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 | 0,000 | 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 | 0,000 | 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 ».