Microscope-FTIR Spectrometry Based Sensor for Neurotransmitters Detection
Notice bibliographique
Résumé
In this work, we present a new sensing approach for aqueous samples based on the microscope-FTIR spectrometer and applied for neurotransmitters. Our contribution in this work consists of a new sample handling system for the microscope-FTIR spectrometer based on a total reflective mirror, a heated hydrophobic layer for solvent removal/evaporation and sample confinement and a microfluidic system that handles sample injection unlike standard sample handling system which was based only on a total reflective mirror. In addition, another part of our contribution consists of proposing a new algorithm to extract molecular composition of the solution with high estimation ratios and based on the analysis of detected peaks on IR spectra. The data acquired from the microscope-FTIR spectrometer was analyzed by a newly developed algorithm to identify each neurotransmitter in homogeneous and non-homogeneous solutions with high selectivity. We used six neurotransmitter molecules (Dopamine hydrochloride, L-Ascorbic acid, Acetylcholine chloride, y-Aminobutyric, Glycine and L-Glutamic acid). The results obtained based on the algorithm developed showed that, using the new system, the six neurotransmitters can be identified in homogeneous and mixture solutions with an estimation ratio range of 88.8%-100% for Dopamine hydrochloride, 80%-100% for L-Ascorbic acid, 75%-100% for Acetylcholine chloride, 75%-100% for L-Glutamic, 77.7%-100% for y-Aminobutyric and 75%-100% for Glycine.
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 ».