MétaCan
Menu
Retour à la cohorte
Enregistrement W3006394313 · doi:10.1364/oe.385747

Multimodal plasmonic optical fiber grating aptasensor

2020· article· en· W3006394313 sur OpenAlexaff
Maxime Lobry, Médéric Loyez, Eman M. Hassan, Karima Chah, Maria C. DeRosa, Erik Goormaghtigh, Ruddy Wattiez, Christophe Caucheteur

Notice bibliographique

RevueOptics Express · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensCarleton University
Organismes subventionnairesFonds De La Recherche Scientifique - FNRS
Mots-clésRefractometryMulti-mode optical fiberFiber Bragg gratingBiosensorOptical fiberOpticsMaterials scienceMultiplexingFiber optic sensorSingle-mode optical fiberPlasmonOptoelectronicsNanotechnologyRefractive indexComputer scienceTelecommunicationsPhysics

Résumé

récupéré en direct d'OpenAlex

Tilted fiber Bragg gratings (TFBGs) are now a well-established technology in the scientific literature, bringing numerous advantages, especially for biodetection. Significant sensitivity improvements are achieved by exciting plasmon waves on their metal-coated surface. Nowadays, a large part of advances in this topic relies on new strategies aimed at providing sensitivity enhancements. In this work, TFBGs are produced in both single-mode and multimode telecommunication-grade optical fibers, and their relative performances are evaluated for refractometry and biosensing purposes. TFBGs are biofunctionalized with aptamers oriented against HER2 (Human Epidermal Growth Factor Receptor-2), a relevant protein biomarker for breast cancer diagnosis. In vitro assays confirm that the sensing performances of TFBGs in multimode fiber are higher or identical to those of their counterparts in single-mode fiber, respectively, when bulk refractometry or surface biosensing is considered. These observations are confirmed by numerical simulations. TFBGs in multimode fiber bring valuable practical assets, featuring a reduced spectral bandwidth for improved multiplexing possibilities enabling the detection of several biomarkers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,017
Tête enseignante GPT0,230
Écart entre enseignants0,213 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOptics ExpressMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207