Ultrasensitive Detection of Water Contaminants, Biomarkers and illegal Drugs Using Active 3D Metallic Nanostructures
Notice bibliographique
Résumé
Three-dimensional metallic nanostructures produced via laser interference support the generation of surface plasmon polaritons. This type of nanostructures are well-suited for pointof-use (bio)sensing applications, are extremely costeffective, and can be easily fabricated on practically any flat surface. Here, we present a new generation of metallic nanostructures fabricated using holographic laser-inscription that are capable of producing accurate photonic signals that can be employed as label-free (bio)sensors for the rapid, in situ detection and identification of biomarkers of diseases, illegal drugs, water contaminants and terrorism agents. These biosensing platforms consist of a network of threedimensional metallic nanostructures with thickness in the order of tens of nanometers, which can be employed for both surface plasmon resonance (SPR) and surface-enhanced Raman scattering (SERS). The platform utilize smartphoneanalogous, off-the-shelf inexpensive optical components for the generation and detection of the photonic signal. We demonstrate sensing of solutions with different refractive indices and real-time detection of biologically relevant analytes including proteins, water contaminants, illicit drugs and pathogenic bacteria with a sensitivity of ~103 PIU/RIU. This work presents a significant advancement towards the development of fully-integrated, handheld portable (bio)sensing platform for point-of-use applications requiring (bio)detection in real-time.
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 | 0,000 | 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 | 0,001 | 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 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 ».