MétaCan
Menu
Retour à la cohorte
Enregistrement W3144958276 · doi:10.1364/boe.420828

Extraordinary sensitivity enhancement of Ag-Au alloy nanohole arrays for label-free detection of Escherichia Coli

2021· article· en· W3144958276 sur OpenAlexaff
Charles Soon Hong Hwang, Myeong‐Su Ahn, Ki‐Hun Jeong

Notice bibliographique

RevueBiomedical Optics Express · 2021
Typearticle
Langueen
DomaineEngineering
ThématiquePlasmonic and Surface Plasmon Research
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesNational Research Foundation of Korea
Mots-clésMaterials sciencePlasmonNanoimprint lithographyAlloyDetection limitBiosensorNanotechnologyRefractive indexSurface plasmon resonanceDielectricOptoelectronicsNanoparticleComposite materialFabricationChemistry

Résumé

récupéré en direct d'OpenAlex

Alloy nanostructures unveil extraordinary plasmonic phenomena that supersede the mono-metallic counterparts. Here we report silver-gold (Ag-Au) alloy nanohole arrays (α-NHA) for ultra-sensitive plasmonic label-free detection of Escherichia Coli (E. coli). Large-area α-NHA were fabricated by using nanoimprint lithography and concurrent thermal evaporation of Ag and Au. The completely miscible Ag-Au alloy exhibits an entirely different dielectric function in the near infra-red wavelength range compared to mono-metallic Ag or Au. The α-NHA demonstrate substantially enhanced refractive index sensitivity of 387 nm/RIU, surpassing those of Ag or Au mono-metallic nanohole arrays by approximately 40%. Moreover, the α-NHA provide highly durable material stability to corrosion and oxidation during over one-month observation. The ultra-sensitive α-NHA allow the label-free detection of E. coli in various concentration levels ranging from 103 to 108 cfu/ml with a calculated limit of detection of 59 cfu/ml. This novel alloy plasmonic material provides a new outlook for widely applicable biosensing and bio-medical applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,020
Tête enseignante GPT0,256
Écart entre enseignants0,236 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiomedical Optics ExpressMême sujetPlasmonic and Surface Plasmon ResearchTravaux en français237 207