Paper‐based microfluidic aptasensor for food safety
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 Food analysis is requiring rapid, accurate, sensitive, and cost‐effective methods to monitor and guarantee the safety and quality to fulfill the strict food legislation and consumer demands. In this study, a nano‐materials enhanced multipurpose paper‐based microfluidic aptasensor was developed as a sensing tool for accurate detection of food allergens and food toxins. graphene oxide (GO) and specific aptamer‐functionalized quantum dots (QDs) were employed as probes, the fluorescence quenching, and recovering of the QDs caused by the interaction among GO, aptamer‐functionalized QDs, and the target protein were investigated to quantitatively analyze the target concentration. The homogenous assay was performed on the paper‐based microfluidic chip, which significantly decreased the sample and reagent consumption and reduced the assay time. Egg white lysozyme, ß‐conglutin lupine and food toxins, okadaic acid and brevetoxin standard solutions, and spiked food samples were successfully assayed by the presented aptasensor. Dual‐target assay was completed within 5 min, and superior sensitivities were achieved when testing the samples with commercial enzyme linked immunosorbent assay kits side by side. Practical applications The present aptasensor provides a simple, accurate method for rapid quantitative analysis of allergens or toxins in food. This method is able to achieved rapid on‐site detection of potential allergen/toxin contaminations, which is a critical necessity for individuals with food allergies and other types of food sensitivities. In addition, the present method can be easily implemented into routine analysis to help food producers and regulations secure the safety and compliance of food products.
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