MétaCan
Menu
Retour à la cohorte
Enregistrement W3155012853

Surface Enhanced Raman Spectroscopy (SERS) Detection of β-Estradiol in Milk by Molecularly Imprinted Polymers on Biogenic Silica and Silver Nanoparticles

2017· article· en· W3155012853 sur OpenAlexaff
Weihao Lu, Samuel M. Mugo

Notice bibliographique

RevueStudent Research Proceedings · 2017
Typearticle
Langueen
DomaineChemistry
ThématiqueDye analysis and toxicity
Établissements canadiensMacEwan University
Organismes subventionnairesnon disponible
Mots-clésEthylene glycol dimethacrylateSilver nanoparticleMolecularly imprinted polymerPolymerizationMethacrylic acidNanoparticleMaterials scienceRaman spectroscopyMonomerPrecipitation polymerizationDetection limitPolymerEthylene glycolChemical engineeringPolymer chemistryChemistryNuclear chemistryNanotechnologyOrganic chemistrySelectivityRadical polymerizationChromatographyCatalysis
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The highly sensitive surfaced-enhanced Raman spectroscopy (SERS) and the directive selection of molecularly imprinted polymers (MIP) provided a simple and rapid method to detect the content of β-estradiol in milk sample which exists in low concentration at natural level. The MIPs were synthesized by surface polymerization of β-estradiol (template), methacrylic acid (the monomer), and ethylene glycol dimethacrylate (cross-linking agent), with 4,4’ azobis (4-cyanopentanoyl) chloride initiator covalently grafted on the biogenic silica surface.  The NIPs were also synthesized in a similar version to  MIPs, but polymerization done  without β-estradiol template. The surface morphology of MIPs and NIPs by scanning electron microscopy (SEM) showed a clear difference on their structures. Silver and silica nanoparticles were served as SERS active substrates for signal enhancement. The limit of detection (LOD) for MIPs-silver nanoparticles  was 1.0  ppm, whereas for MIPs-silica, the LOD was 0.78 ppm. As the result, biogenic silica nanoparticles gave a more enhanced Raman signal compared to the conventional silver nanoparticles. Discipline: Chemistry Faculty Mentor: Dr. Samuel Mugo

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,005
Score d'incertitude au seuil0,685

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,000
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 Opus0,033
Tête enseignante GPT0,363
Écart entre enseignants0,330 · 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.

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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudent Research ProceedingsMême sujetDye analysis and toxicityTravaux en français237 207