Surface nanodroplet-based nanoextraction from sub-milliliter volumes of dense suspensions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A greener analytical technique for quantifying compounds in dense suspensions is needed for wastewater and environmental analysis, chemical or bio-conversion process monitoring, biomedical diagnostics, and food quality control, among others. In this work, we introduce a green, fast, one-step method called nanoextraction for extraction and detection of target analytes from sub-milliliter dense suspensions using surface nanodroplets without toxic solvents and pre-removal of the solid contents. With nanoextraction, we achieve a limit of detection (LOD) of 10-9 M for a fluorescent model analyte obtained from a particle suspension sample. The LOD is lower than that in water without particles (10-8 M), potentially due to the interaction of particles and the analyte. The high particle concentration in the suspension sample, thus, does not reduce the extraction efficiency, although the extraction process was slowed down up to 5 min. As a proof of principle, we demonstrate the nanoextraction for the quantification of model compounds in wastewater slurry containing 30 wt% solids and oily components (i.e. heavy oils). The nanoextraction and detection technology developed in this work may be used in fast analytical technologies for complex slurry samples in the environment, industrial waste, or in biomedical diagnostics.
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.
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) | 0,009 | 0,001 |
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 découle