MétaCan
Menu
Retour à la cohorte
Enregistrement W4281680769 · doi:10.18280/i2m.210203

Development of Biosensors for Ethanol Gas Detection

2022· article· en· W4281680769 sur OpenAlexvenueno aff
Mekhala Insawang, Kongphope Chaarmart, Tosawat Seetawan

Notice bibliographique

RevueInstrumentation Mesure Métrologie · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueGas Sensing Nanomaterials and Sensors
Établissements canadiensnon disponible
Organismes subventionnairesThailand Research Fund
Mots-clésBiosensorNicotinamide adenine dinucleotideAlcohol dehydrogenaseAlcoholMaterials scienceNanotechnologyElectronic noseChemistryNAD+ kinaseBiochemistryEnzyme

Résumé

récupéré en direct d'OpenAlex

This work developed a biosensor for the measurement of ethanol gas in the air. The biosensors were synthesized by mixing signal layer materials containing SiO2 and polyimide (PI) substrates using the enzyme Alcohol Dehydrogenase (ADH) and coenzyme Nicotinamide Adenine Dinucleotide (NAD+) as a biosensor. The electrodes were coated on biosensors by DC magnetron sputtering method for test the response performance of the developed biosensors. The ADH/NAD+ was immobilized on the Ag electrode by Glutaric dialaehyde 25 wt. % cross-linking procedure. It was found that, alcohol biosensors can be exhibited sensing ethanol gas at even low concentrations from 300 ppb to very high concentrations up to 1900 ppm, response time 3 s, recovery times 1-2 minutes and good sensitivity. The SiO2 substrate has excellent, which provides significant advantages for wearable electronic device that compact, easy to use and reduce direct contact with alcoholics. The alcohol biosensors can adoption in next generation to other electronic devices, because easy to integrate, such as a module alcohol biosensor with wireless or the fabrication of the RCL circuit. Furthermore, the alcohol biosensors based on SiO2/Ag/ADH, PI/Ag/ADH is artificial intelligence strategy for stable practical wearable electronic devices.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,466

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 Opus0,026
Tête enseignante GPT0,247
Écart entre enseignants0,221 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInstrumentation Mesure MétrologieMême sujetGas Sensing Nanomaterials and SensorsTravaux en français237 207