The Role of Surface Chemistry in Impedimetric Aptasensing
Notice bibliographique
Résumé
Abstract Surface chemistry is a key parameter in the choice of proper materials for electrochemical detection. It has been previously shown that the presence of oxygen containing groups (OCGs) on the surface of graphene oxide (GO) can be both effective and detrimental. This poses a question when GO materials are used as electrochemical platforms for biosensing. In this work, we study how the surface chemistry of graphene oxide nanocolloids (GONCs) affects the impedimetric biosensing of ochratoxin A (OTA), in terms of immobilization of biorecognition element and detection step. OCGs on GONCs were tuned by applying increasing reduction potentials from −0.3 V to −1.2 V, resulting in GONC platforms with decreasing amounts of oxygen functionalities. It was discovered that the sensitivity of biosensing is correlated to the residual amount of OCGs on GO surface. For a more detailed investigation, three representative materials, namely unreduced GONCs, as well as GONCs reduced at potentials of −0.8 V and −1.2 V were chosen. Results were compared in terms of calibration sensitivity, selectivity and reproducibility of the impedimetric response. GONCs reduced at −1.2 V have shown the best electroanalytical response for the impedimetric detection of OTA. These findings are anticipated to contribute to the design of novel biosensors, whereby an optimized platform is employed for the immobilization of the biorecognition element.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».