Human-like smelling of a rose scent using an olfactory receptor nanodisc-based bioelectronic nose
Notice bibliographique
Résumé
We report a strategy for the human-like smelling of a rose scent utilizing olfactory receptor nanodisc (ND)-based bioelectronic nose devices. In this strategy, a floating electrode (FE)-based carbon nanotube (CNT) field effect transistor (FET) was functionalized with human olfactory receptor 1A2 (hOR1A2)-embedded NDs (hOR1A2NDs). The hOR1A2NDs responded to rose scent molecules specifically, which were monitored electrically using the underlying CNT-FET. This strategy allowed us to quantitatively assess the contents of geraniol and citronellol, the main components of a rose scent, as low as 1 fM and 10 fM, respectively. In addition, it enabled us to selectively discriminate a specific rose odorant from other odorants. Significantly, we also demonstrated that the responses of hOR1A2NDs to a rose scent could be strongly enhanced by enhancer materials like a human nose. Furthermore, the method provided a means to quantitatively evaluate rose scent components in real samples such as rose oil. Since our method allows one to quantitatively evaluate general rose scent ingredients just like a human nose, it could be a powerful strategy for versatile basic research and various applications such as fragrance development.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».