MétaCan
Menu
Retour à la cohorte
Enregistrement W3089194368 · doi:10.3390/mi11090880

Low-Cost Graphene-Based Digital Microfluidic System

2020· article· en· W3089194368 sur OpenAlexafffund
Mohamed Yafia, Amir M. Foudeh, Maryam Tabrizian, Homayoun Najjaran

Notice bibliographique

RevueMicromachines · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrowetting and Microfluidic Technologies
Établissements canadiensMcGill UniversityUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMicrofluidicsMaterials scienceMicrofabricationFabricationElectrodeNanotechnologyDigital microfluidicsElectrowettingBiochipGrapheneLab-on-a-chipOptoelectronicsChemistry

Résumé

récupéré en direct d'OpenAlex

In this work, the laser-scribing technique was used as a low-cost, rapid and facile method for fabricating digital microfluidic (DMF) systems. Laser-scribed graphene (LSG) electrodes are directly synthesized on flexible substrates to pattern the DMF electrode arrays. This facilitates the DMF electrodes’ fabrication process by eliminating many microfabrication steps. An electrowetting test was performed to investigate the effectiveness of the LSG DMF electrodes in changing the contact angles of droplets. Different DMF operations were successfully performed using the proposed LSG DMF chips in both open and closed DMF systems. The quality and output resolution were examined to assess the performance of such patterned electrodes in the DMF systems. To verify the efficacy of the LSG DMF chips, a one-step direct assay for the detection of Legionellapneumophila deoxyribonucleic acid (DNA) was performed on the chip without the need for any washing step. The high specificity in distinguishing a single-nucleotide mismatch was achieved by detecting target DNA concentrations as low as 1 nM. Our findings suggest that the proposed rapid and easy fabrication method for LSG DMF electrodes offers a great platform for low-cost and easily accessible point-of-care diagnostic devices.

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 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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,036
Score d'incertitude au seuil1,000

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 Opus0,006
Tête enseignante GPT0,179
Écart entre enseignants0,173 · 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 tête enseignante, pas un consensus.

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

Citations6
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMicromachinesMême sujetElectrowetting and Microfluidic TechnologiesTravaux en français237 207