Rapid Detection of Melamine in Tap Water and Milk Using Conjugated “One‐Step” Molecularly Imprinted Polymers‐Surface Enhanced Raman Spectroscopic Sensor
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
An innovative "one-step" sensor conjugating molecularly imprinted polymers and surface enhanced Raman spectroscopic-active substrate (MIPs-SERS) was investigated for simultaneous extraction and determination of melamine in tap water and milk. This sensor was fabricated by integrating silver nanoparticles (AgNPs) with MIPs synthesized by bulk polymerization of melamine (template), methacrylic acid (functional monomer), ethylene glycol dimethacrylate (cross-linking agent), and 2,2'-azobisisobutyronitrile (initiator). Static and kinetic adsorption tests validated the specific affinity of MIPs-AgNPs to melamine and the rapid adsorption equilibration rate. Principal component analysis segregated SERS spectral features of tap water and milk samples with different melamine concentrations. Partial least squares regression models correlated melamine concentrations in tap water and skim milk with SERS spectral features. The limit of detection (LOD) and limit of quantification (LOQ) of melamine in tap water were determined as 0.0019 and 0.0064 mmol/L, while the LOD and LOQ were 0.0165 and 0.055 mmol/L for the determination of melamine in skim milk. However, this sensor is not ideal to quantify melamine in tap water and skim milk. By conjugating MIPs with SERS-active substrate (that is, AgNPs), reproducibility of SERS spectral features was increased, resulting in more accurate detection. The time required to determine melamine in tap water and milk were 6 and 25 min, respectively. The low LOD, LOQ, and rapid detection confirm the potential of applying this sensor for accurate and high-throughput detection of melamine in tap water and milk.
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.
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 | 0,000 |
| 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 découle