SE-ECL on CMOS: a miniaturized electrochemiluminescence biosensor
Notice bibliographique
Résumé
Biosensors exhibit high potential for the detection of analytes of interest at the point-of-need. Over the past two decades, the combination of novel biosensing systems - such as electrochemiluminescence (ECL) biosensors - and advances in microfluidic techniques has allowed the development of lab-on-a-chip devices with enhanced overall performance and simplified sample handling. However, recording data with conventional platforms requires advanced and complicated instruments, such as sensitive photodetectors coupled to microscopes, to capture the photons from the chemiluminescent reaction. In this work, we integrated microfluidic and luminol/hydrogen peroxide ECL systems on a complementary metal-oxide-semiconductor (CMOS) chip for sample handling and data collection on the same platform. This was achieved by the adaptation of a single electrode as an electrochemical transducer and a CMOS chip as a built-in detector. We demonstrated the application of this platform for the detection of uric acid (UA), a biomarker of gout disease. A linear detection range was observed from 25 to 300 μM, with a detection limit (LOD) as low as 26.09 μM. The device showed high reusability and reproducibility within the linear detection range while maintaining high selectivity for UA detection. The analytical performance has also been evaluated in simulated saliva and urine samples, demonstrating the potential utility in medical diagnosis at the point-of-need. Compared to other ECL imaging platforms, this device showed an eightfold increase in photon collection efficiency. Overall, this approach has promising potential as an inexpensive, portable, and efficient ECL platform for measuring analytes at the point-of-need.
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 ».