MétaCan
Menu
Retour à la cohorte
Enregistrement W2536639902 · doi:10.1109/embc.2016.7592034

A wide range and high sensitivity four-channel compact electrochemical biosensor for neurotransmitter detection on a microfluidic platform

2016· article· en· W2536639902 sur OpenAlexafffund
Elnaz Ghodsevali, Hamza Landari, Mounir Boukadoum, Benoit Gosselin, Amine Miled

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neural Engineering
Établissements canadiensUniversité du Québec à MontréalUniversité Laval
Organismes subventionnairesNational Research Council Canada
Mots-clésPotentiostatBiosensorMicrofluidicsMaterials scienceSensitivity (control systems)OptoelectronicsElectrodeAnalytical Chemistry (journal)NanotechnologyElectronic engineeringChemistryElectrochemistryChromatographyEngineering

Résumé

récupéré en direct d'OpenAlex

We present a four-channel, high-sensitivity and linearity electrochemical biosensor for neurotransmitter (NT) detection and measurement. Using a multi-channel microfluidic platform makes this biosensor capable of detecting NT-related currents going from nanoamperes to milliamperes, with a sensitivity of the order of picoamperes. Moreover, by using a fully differential potentiostat architecture, the biosensor offers a high common-mode rejection ratio (90 dB), making it appropriate for low-noise and high-sensitive applications. The system was implemented on a 15 mm × 15 mm PCB with direct interface to the microfluidic chambers. It was calibrated with a 5 mM ferrocyanide solution and successfully tested with dopamine at three concentrations. The system shows a minimum sensistivity of 100 pA and consumes 60 mW.

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 candidatesaucune
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 enseignants0,028
Score d'incertitude au seuil0,547

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)0,0000,000

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 Opus0,037
Tête enseignante GPT0,238
Écart entre enseignants0,200 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations2
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetNeuroscience and Neural EngineeringTravaux en français237 207