The Role of Surface Chemistry in Impedimetric Aptasensing
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
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.
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