Sensitive Electrochemical Detection of Caffeic Acid in Wine Based on Fluorine-Doped Graphene Oxide
Notice bibliographique
Résumé
We report here a novel electrochemical sensor developed using fluorine-doped graphene oxide (F-GO) for the detection of caffeic acid (CA). The synthesized graphene oxide (GO) and F-GO nanomaterials were systematically characterized with a scanning electron microscope (SEM), and the presence of semi-ionic bonds was confirmed in the F-GO using X-ray photoelectron spectroscopy. The electrochemical behaviours of bare glassy carbon electrode (GCE), F-GO/GCE, and GO/GCE toward the oxidation of CA were studied using cyclic voltammetry (CV), and the results obtained from the CV investigation revealed that F-GO/GCE exhibited the highest electrochemically active surface area and electrocatalytic activity in contrast to the other electrodes. Differential pulse voltammetry (DPV) was employed for the analytical quantitation of CA, and the F-GO/GCE produced a stable oxidation signal over the selected CA concentration range (0.5 to 100.0 μM) with a low limit of detection of 0.018 μM. Furthermore, the acquired results from the selectivity studies revealed a strong anti-interference capability of the F-GO/GCE in the presence of other hydroxycinnamic acids and ascorbic acid. Moreover, the F-GO/GCE offered a good sensitivity, long-term stability, and an excellent reproducibility. The practical application of the electrochemical F-GO sensor was verified using various brands of commercially available wine. The developed electrochemical sensor successfully displayed its ability to directly detect CA in wine samples without pretreatment, making it a promising candidate for food and beverage quality control.
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 | 0,000 | 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 | 0,000 | 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 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 ».