Fabrication of Copper Oxide Modified Graphene Composite Sensor for Simultaneous Detection of Biometabolites from Urine
Notice bibliographique
Résumé
It is a common knowledge that the concentration of certain biomarkers in the body accounts for the presence of some diseases. For instance, the unusual levels of uric acid in body fluids may be indicative of gout and hyperuricemia. These biomarkers may be present within the body but may not be detected at very low concentrations and on time to enable proactive treatments, and the consequences may be dire. The current research report features a new approach developed towards fabricating a new copper oxide modified graphene composite sensor with unique nanostructures on a pencil electrode for sensing three biometabolites (xanthine, uric acid and urea) in urine at very low limit of detection (LOD). The surface structures of this composite sensor composed of several electroactive sites for adsorption of desired analytes. This sensor was appropriately characterized by means of Raman spectroscopy, scanning electron microscopy, cyclic voltammetry as well as localized and normal electrochemical impedance spectroscopy. This sensor was significantly sensitive towards uric acid ((LOD = 10 ppm) and urea (LOD = 20 ppm) sensing compared to xanthine (LOD = 50 ppm). Optimization of key sensor parameters towards efficient sensing (e.g. CuO content) were also examined. The efficiency of the composite sensor toward sensing these analytes in the presence of potential interference was investigated using real human urine. Biomolecular sensing of disease biomarkers at low LOD is important in the assessment of health conditions and monitoring treatment progress of patients. Our experimental results demonstrate the efficacy of simultaneously sensing multiple analytes in a complex biological sample. Keywords: Biosensing; Simultaneous detection; Biometabolites; Disease biomarker; Limit of detection
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».