Microfluidic-Based Oxygen (O2) Sensors for On-Chip Monitoring of Cell, Tissue and Organ Metabolism
Notice bibliographique
Résumé
Oxygen (O2) quantification is essential for assessing cell metabolism, and its consumption in cell culture is an important indicator of cell viability. Recent advances in microfluidics have made O2 sensing a crucial feature for organ-on-chip (OOC) devices for various biomedical applications. OOC O2 sensors can be categorized, based on their transducer type, into two main groups, optical and electrochemical. In this review, we provide an overview of on-chip O2 sensors integrated with the OOC devices and evaluate their advantages and disadvantages. Recent innovations in optical O2 sensors integrated with OOCs are discussed in four main categories: (i) basic luminescence-based sensors; (ii) microparticle-based sensors; (iii) nano-enabled sensors; and (iv) commercial probes and portable devices. Furthermore, we discuss recent advancements in electrochemical sensors in five main categories: (i) novel configurations in Clark-type sensors; (ii) novel materials (e.g., polymers, O2 scavenging and passivation materials); (iii) nano-enabled electrochemical sensors; (iv) novel designs and fabrication techniques; and (v) commercial and portable electrochemical readouts. Together, this review provides a comprehensive overview of the current advances in the design, fabrication and application of optical and electrochemical O2 sensors.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».