A fluorescence spectroscopy biosensor for lab-on-a-chip detection of antibiotics in milk
Notice bibliographique
Résumé
When producing milk in the dairy industry, reliable quality assurance systems need to be in place in order to detect allergens which can potentially harm humans upon consumption. Milk can very often be contaminated with hazardous antibiotics used by farmers to treat cows. Current quality assurance biosensors are manual methods and prone to lots of human error. Failure during this process can be financially harmful to dairy companies, and potentially harmful to human health. This shows a necessity for an automated biosensor to detect antibiotics in milk before shipment. This work presents an automated biosensor based on microchip electrophoresis and fluorescence spectroscopy to detect ciprofloxacin in milk, which is a commonly used antibiotic to help treat mastitis of cows. The design and testing results of the low-cost system are presented in this paper. In order to detect the presence of the antibiotic, the milk sample needs to be separated into its constituents. This is achieved by using the phenomenon of electroosmotic flow to allow the mixture to travel down the microchannel, followed by electrophoresis to separate it into its molecules. After this separation occurs, the constituents are illuminated with a UV LED source of 280 nm, as ciprofloxacin will emit fluorescence at 440 nm at this illumination wavelength. This fluorescence is detected using a photodiode, and the output voltage of the photodiode indicates the ciprofloxacin concentration within the milk. This lab-on-a-chip biosensor proved to be reliable and is a good solution to automate antibiotic detection in milk.
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 | 0,000 |
| 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 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 ».