Noninvasive Label-Free Detection of Cortisol and Lactate Using Graphene Embedded Screen-Printed Electrode
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
A sensitive and specific immunosensor for the detection of the hormones cortisol and lactate in human or animal biological fluids, such as sweat and saliva, was devised using the label-free electrochemical chronoamperometric technique. By using these fluids instead of blood, the biosensor becomes noninvasive and is less stressful to the end user, who may be a small child or a farm animal. Electroreduced graphene oxide (e-RGO) was used as a synergistic platform for signal amplification and template for bioconjugation for the sensing mechanism on a screen-printed electrode. The cortisol and lactate antibodies were bioconjugated to the e-RGO using covalent carbodiimide chemistry. Label-free electrochemical chronoamperometric detection was used to analyze the response to the desired biomolecules over the wide detection range. A detection limit of 0.1 ng mL−1 for cortisol and 0.1 mM for lactate was established and a correlation between concentration and current was observed. A portable, handheld potentiostat assembled with Bluetooth communication and battery operation enables the developed system for point-of-care applications. A sandwich-like structure containing the sensing mechanisms as a prototype was designed to secure the biosensor to skin and use capillary action to draw sweat or other fluids toward the sensing mechanism. Overall, the immunosensor shows remarkable specificity, sensitivity as well as the noninvasive and point-of-care capabilities and allows the biosensor to be used as a versatile sensing platform in both developed and developing countries.
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 | 0,000 | 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 découle