MétaCan
Menu
Retour à la cohorte
Enregistrement W2753434656 · doi:10.1038/s41598-017-11300-2

Nano-Integrated Suspended Polymeric Microfluidics (SPMF) Platform for Ultra-Sensitive Bio-Molecular Recognition of Bovine Growth Hormones

2017· article· en· W2753434656 sur OpenAlexafffund
Hamid SadAbadi, Muthukumaran Packirisamy

Notice bibliographique

RevueScientific Reports · 2017
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMechanical and Optical Resonators
Établissements canadiensConcordia UniversityUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBiosensorMicrofluidicsBiomoleculeNanotechnologyAnalyteCantileverMaterials scienceMolecular recognitionChemistryChromatographyMolecule

Résumé

récupéré en direct d'OpenAlex

The development of sensitive platforms for the detection of biomolecules recognition is an extremely important problem in clinical diagnostics. In microcantilever (MC) transducers, surface-stress is induced upon bimolecular interaction which is translated into MC deflection. This paper presents a cost-effective and ultra-sensitive MC-based biosensing platform. To address these goals, the need for costly high-resolution read-out system has been eliminated by reducing the cantilever compliance through developing a polymer-based cantilever. Furthermore a microfluidic system has been integrated with the MC in order to enhance sensitivity and response time and to reduce analytes consumption. Gold nanoparticles (AuNPs) are synthesized on the surface of suspended microfluidics as the selective layer for biomolecule immobilization. The biosensing results show significant improvement in the sensitivity of the proposed platform compared with available silicon MC biosensor. A detection limit of 2 ng/ml (100pM) is obtained for the detection of bovine growth hormones. The results validated successful application of suspended polymeric microfluidics (SPMF) as the next generation of biosensing platforms which could enable femtomolar (fM) biomolecular recognition detection.

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)0,001
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 enseignants0,073
Score d'incertitude au seuil0,619

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,018
Tête enseignante GPT0,253
Écart entre enseignants0,235 · 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

Citations17
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetMechanical and Optical ResonatorsTravaux en français237 207