MétaCan
Menu
Retour à la cohorte
Enregistrement W2995194235 · doi:10.1039/c9an02149c

Are plasmonic optical biosensors ready for use in point-of-need applications?

2019· article· en· W2995194235 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueThe Analyst · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGold and Silver Nanoparticles Synthesis and Applications
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFaculty of Engineering, McGill University
Mots-clésPlasmonBiosensorNanotechnologySurface plasmon resonanceMaterials scienceSurface-enhanced Raman spectroscopyFabricationGrapheneRaman spectroscopyComputer scienceOptoelectronicsRaman scatteringNanoparticlePhysicsOptics

Résumé

récupéré en direct d'OpenAlex

Plasmonics has drawn significant attention in the area of biosensors for decades due to the unique optical properties of plasmonic resonant nanostructures. While the sensitivity and specificity of molecular detection relies significantly on the resonance conditions, significant attention has been dedicated to the design, fabrication, and optimization of plasmonic substrates. The adequate choice of materials, structures, and functionality goes hand in hand with a fundamental understanding of plasmonics to enable the development of practical biosensors that can be deployed in real life situations. Here we provide a brief review of plasmonic biosensors detailing most recent developments and applications. Besides metals, novel plasmonic materials such as graphene are highlighted. Sensors based on Surface Plasmon Resonance (SPR), Localized Surface Plasmon Resonance (LSPR), and Surface Enhanced Raman Spectroscopy (SERS) are presented and classified based on their materials and structure. In addition, most recent applications to environment monitoring, health diagnosis, and food safety are presented. Potential problems related to the implementation in such applications are discussed and an outlook is presented.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,313

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,277
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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