MétaCan
Menu
Retour à la cohorte
Enregistrement W4311376750 · doi:10.3390/nano12244431

Zincon-Modified CNTs Electrochemical Tool for Salivary and Urinary Zinc Detection

2022· article· en· W4311376750 sur OpenAlexaff
Daniela Vieira, J. Allard, Kathleen Taylor, Edward J. Harvey, Géraldine Merle

Notice bibliographique

RevueNanomaterials · 2022
Typearticle
Langueen
DomaineChemistry
ThématiqueElectrochemical Analysis and Applications
Établissements canadiensBombardier (Canada)Polytechnique MontréalMcGill University
Organismes subventionnairesnon disponible
Mots-clésDetection limitZincElectrochemistryMaterials scienceCalibration curveCarbon nanotubeElectrodeLinear rangeNanotechnologyChemistryChromatographyMetallurgy

Résumé

récupéré en direct d'OpenAlex

Recently, the abnormal level of zinc emerged as a powerful indicator or risk factor for metabolic, endocrine, neurodegenerative and cardiovascular diseases, including cancer. Electrochemical detection has been explored to quantify zinc in a precise, rapid, and non-expensive way; however, most of the current electrochemical systems lack in specificity. In this work we studied a highly selective and sensitive electrochemical method to detect quickly and reliably free zinc ions (Zn2+). The surface of the working electrode was modified with zincon electropolymerized on carbon nanotube (CNT) to enable the binding of zinc in complex body fluids. After being physicochemically characterized, the performances of the zincon-CNT complex was electrochemically assessed. Square Wave Voltammetry (SWV) was used to determine the calibration curve and the linear range of zinc quantification in artificial saliva and urine. This zincon- CNT system could specifically quantify mobile Zn2+ in salivary and urinary matrices with a sensitivity of ~100 ng·mL−1 and a limit of detection (LOD) of ~20 ng·mL−1. Zincon-modified CNT presented as a desirable candidate for the detection and quantification of free zinc in easily body fluids that potentially can become a diagnostic non-invasive testing platform.

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 enseignants0,014
Score d'incertitude au seuil0,649

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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,240
Écart entre enseignants0,230 · 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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanomaterialsMême sujetElectrochemical Analysis and ApplicationsTravaux en français237 207