MétaCan
Menu
Retour à la cohorte
Enregistrement W2520534368 · doi:10.1002/jssc.201600849

Molecularly imprinted polymer membranes and thin films for the separation and sensing of biomacromolecules

2016· review· en· W2520534368 sur OpenAlexaff
Reinhard I. Boysen, Lachlan J. Schwarz, Dan V. Nicolau, Milton T. W. Hearn

Notice bibliographique

RevueJournal of Separation Science · 2016
Typereview
Langueen
DomaineChemistry
ThématiqueAnalytical chemistry methods development
Établissements canadiensMcGill University
Organismes subventionnairesSeventh Framework Programme
Mots-clésMembraneMolecularly imprinted polymerPolymerMaterials scienceChromatographyChemistryChemical engineeringOrganic chemistrySelectivityComposite material

Résumé

récupéré en direct d'OpenAlex

This review describes recent advances associated with the development of surface imprinting methods for the synthesis of polymeric membranes and thin films, which possess the capability to selectively and specifically recognize biomacromolecules, such as proteins and single- and double-stranded DNA, employing "epitope" or "whole molecule" approaches. Synthetic procedures to create different molecularly imprinted polymer membranes or thin films are discussed, including grafting/in situ polymerization, drop-, dip-, or spin-coating procedures, electropolymerization as well as micro-contact or stamp lithography imprinting methods. Highly sensitive techniques for surface characterization and analyte detection are described, encompassing luminescence and fluorescence spectroscopy, X-ray photoelectron spectroscopy, FTIR spectroscopy, surface-enhanced Raman spectroscopy, atomic force microscopy, quartz crystal microbalance analysis, cyclic voltammetry, and surface plasmon resonance. These developments are providing new avenues to produce bioelectronic sensors and new ways to explore through advanced separation science procedures complex phenomena associated with the origins of biorecognition in nature.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,004

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 Opus0,055
Tête enseignante GPT0,410
Écart entre enseignants0,355 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations79
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Separation ScienceMême sujetAnalytical chemistry methods developmentTravaux en français237 207