Molecular sensing system based on multi-technologies architecture
Notice bibliographique
Résumé
Considering the difficulty of measuring neurotransmitters in the field of biomedical research, a portable autonomous sensing and analysis system of neurotransmitters is needed. This type of device would improve the diagnostics of neurodegenerative diseases such as Alzeimer, Parkinson, Huntington diseases. Thus, in this work, we present a synthesis research paper to describe our device capable of measuring neurotransmitters in a liquid sample using functionalized ultrastable gold nanoparticles. It uses a colorimetric sensor to measure neurotransmitter indirectly. Indeed, using the colorimetric sensing approach, the plasmonic resonance band of nanoparticles shifts when they interact with neurotransmitters. The functionalization of the nanoparticles with dopamine-specific aptamer increases the response and selectivity towards the neurotransmitter of interest. Also, using ultrastable gold nanoparticles5 provides the potential to expose them to harsh conditions without agglomeration. Those harsh conditions includes the presence of salts that would otherwise compromise the efficiency of the sensing as well as conditions that are used to wash and clean the solutions (freeze drying, heating, ultracentrifugation and autoclaving). By being able to resist to those types of conditions, it gives the potential to recycle the nanoparticles to be reused for several sensing cycles. This sensing system uses a grism-based spectrometer design for the colorimetric analysis of neurotransmitters covering a bandwidth of 420 to 620 nm. Moreover, the system includes a microfluidic module for the manipulation of samples as well as an electronic module for data acquisition and analysis. Altogether, the system showed that the absorption spectrum of a nanoparticles sample with a resolution of 0.7 nm can be extracted autonomously using this system.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».