Filter paper based SERS substrate for the direct detection of analytes in complex matrices
Notice bibliographique
Résumé
Surface-enhanced Raman spectroscopy (SERS) is an emerging analytical technique for chemical analysis, which is favourable due to its combination of short measurement time, high sensitivity and molecular specificity. However, the application of SERS is still limited, largely because in real samples the analyte is often present in a complex matrix that contains micro/macro particles that block the probe laser, as well as molecular contaminants that compete for the enhancing surface. Here, we show a simple and scalable spray-deposition technique to fabricate SERS-active paper substrates which combine sample filtration and enhancement in a single material. Unlike previous spray-deposition methods, in which simple colloidal nanoparticles were sprayed onto solid surfaces, here the colloidal nanoparticles are mixed with hydroxyethyl cellulose (HEC) polymer before application. This leads to significantly improved uniformity in the distribution of enhancing particles as the film dries on the substrate surface. Importantly, the polymer matrix also protects the enhancing particles from air-oxidation during storage but releases them to provide SERS enhancement when the film is rehydrated. These SERS-paper substrates are highly active and a model analyte, crystal violet, was detected down to 4 ng in 10 μL of sample with less than 20% point-by-point signal deviation. The filter paper and HEC effectively filter out both interfering micro/macro particles and molecular (protein) contaminants, allowing the SERS-paper substrates to be used for SERS detection of thiram in mud and melamine in the presence of protein down to nanogram levels without sample pre-treatment or purification.
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 ».