MétaCan
Menu
Retour à la cohorte
Enregistrement W4289711374 · doi:10.3390/ijms23158625

Nanomaterials Used in Fluorescence Polarization Based Biosensors

2022· review· en· W4289711374 sur OpenAlexafffund
Yingqi Zhang, Howyn Tang, Wei Chen, Jin Zhang

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNanomaterialsBiosensorBiomoleculeNanotechnologyFluorescenceAnalyteMaterials scienceChemistryPhysicsOpticsChromatography

Résumé

récupéré en direct d'OpenAlex

Fluorescence polarization (FP) has been applied in detecting chemicals and biomolecules for early-stage diagnosis, food safety analyses, and environmental monitoring. Compared to organic dyes, inorganic nanomaterials such as quantum dots have special fluorescence properties that can enhance the photostability of FP-based biosensing. In addition, nanomaterials, such as metallic nanoparticles, can be used as signal amplifiers to increase fluorescence polarization. In this review paper, different types of nanomaterials used in in FP-based biosensors have been reviewed. The role of each type of nanomaterial, acting as a fluorescent element and/or the signal amplifier, has been discussed. In addition, the advantages of FP-based biosensing systems have been discussed and compared with other fluorescence-based techniques. The integration of nanomaterials and FP techniques allows biosensors to quickly detect analytes in a sensitive and cost-effective manner and positively impact a variety of different fields including early-stage diagnoses.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,883
Score d'incertitude au seuil0,691

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,032
Tête enseignante GPT0,353
Écart entre enseignants0,320 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular SciencesMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207