Design and Analysis of Highly Sensitive LSPR-Based Metal–Insulator–Metal Nano-Discs as a Biosensor for Fast Detection of SARS-CoV-2
Notice bibliographique
Résumé
For over 2 years, the coronavirus has been the most urgent challenge to humanity, and the development of rapid and accurate detection methods is crucial to control these viruses. Here, a 3D FDTD simulation of Au/SiO2/Au metal–insulator–metal (MIM) nanostructures as a biosensor was performed. The strong coupling between the two plasmonic interfaces in the Au/SiO2/Au cavity helped us to obtain relatively higher sensitivity. The attachment of SARS-CoV-2 changed the refractive index, which was used to detect SARS-CoV-2. Due to the higher overlapping of plasmonic mode with the environment of nano-discs, a higher sensitivity of 312.8 nm/RIU was obtained. The peak wavelength of the proposed structure shifted by approximately 47 nm when the surrounding medium refractive index changed from 1.35 (no binding) to 1.5 (full binding). Consequently, the SPR peak intensity variation can be used as another sensing mechanism to detect SARS-CoV-2. Finally, the previously reported refractive index changes for various concentrations of the SARS-CoV-2 S-glycoprotein solution were used to evaluate the performance of the designed biosensor.
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) | 0,000 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».