A versatile reactive oxygen species‐responsive gels sensor for analysis of metabolic species
Notice bibliographique
Résumé
Abstract We report a flexible redox responsive polymer‐based sensor for detection of reactive oxygen species (ROS). The sensor comprises multilayers of silver nanoparticles (AgNPs), carbon nanotube/cellulose nanocrystal (CNT/CNC) and a redox responsive poly (glycidyl methacrylate‐ co ‐ethylene glycol dimethacrylate‐ co ‐vinyl ferrocene), herewith called poly (GMA‐ co ‐EGDMA‐ co Fc) nanoferrogels. These sensor layers were printed on a micropillared polydimethylsiloxane (PDMS) substrate. The nanoferrogel sensor versatility has been demonstrated in its effective detection of ROS species, specifically H 2 O 2 , peroxylipids, and oxidative deriving species such as cholesterol and unsaturated triglycerides. The nanoferrogel ROS sensor rapidly (~1 min) responds to both H 2 O 2 and peroxylipids with a limit of detection (LOD) of ~0.060 ± 0.001 µg/ml) and 0.012 ± 0.001 µg/ml, respectively. The cholesterol oxidase and lipoxygenase‐based nanoferrogel sensor were successfully evaluated for the detection of cholesterol (LOD of 0.12 ± 0.02 µg/ml) and glyceryltrilinoeate (LOD of 1.8 ± 0.2 ng/ml) standards, respectively. These enzyme‐loaded ROS nanoferrogel sensors were also evaluated for quantification of cholesterol and glyceryltrilinoeate in bacon lard and olive oils. The fabricated flexible ROS sensors are versatile for quantitation of oxidative stress biomarkers, useful in myriad applications including clinical, environmental, food, and plant physiology.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,001 | 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 ».