MétaCan
Menu
Retour à la cohorte
Enregistrement W4214580916 · doi:10.3390/s22051853

Detection of E. coli Bacteria in Milk by an Acoustic Wave Aptasensor with an Anti-Fouling Coating

2022· article· en· W4214580916 sur OpenAlexaff
Sandro Spagnolo, Brian De La Franier, Katharina Davoudian, Tibor Hianik, Michael Thompson

Notice bibliographique

RevueSensors · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensUniversity of Toronto
Organismes subventionnairesEuropean Commission
Mots-clésFoulingCoatingBacteriaMaterials scienceMicrobiologyChemistryNanotechnologyBiologyBiochemistryGenetics

Résumé

récupéré en direct d'OpenAlex

Milk is a significant foodstuff around the world, being produced and consumed in large quantities. The safe consumption of milk requires that the liquid has an acceptably low level of microbial contamination and has not been subjected to spoiling. Bacterial safety limits in milk vary by country but are typically in the thousands per mL of sample. To rapidly determine if samples contain an unsafe level of bacteria, an aptamer-based sensor specific to Escherichia coli bacteria was developed. The sensor is based on an ultra-high frequency electromagnetic piezoelectric acoustic sensor device (EMPAS), with the aptamer being covalently bound to the sensor surface by the anti-fouling linker, MEG-Cl. The sensor is capable of the selective measurement of E. coli in PBS and in cow’s milk samples down to limits of detection of 35 and 8 CFU/mL, respectively, which is well below the safe limits for commercial milk products. This sensing system shows great promise for the milk industry for the purpose of rapid verification of product safety.

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)0,000
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,568
Score d'incertitude au seuil0,605

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
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 Opus0,010
Tête enseignante GPT0,200
Écart entre enseignants0,190 · 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'étudeSimulation ou modélisation
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

Citations37
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetBiosensors and Analytical DetectionTravaux en français237 207