MétaCan
Menu
Retour à la cohorte
Enregistrement W4324018467 · doi:10.1002/anie.202218080

Electrochemical Nano‐Roughening of Gold Microstructured Electrodes for Enhanced Sensing in Biofluids**

2023· article· en· W4324018467 sur OpenAlexafffund
Eduardo González‐Martínez, Sokunthearath Saem, Nadine E. Beganovic, Jose Moran‐Mirabal

Notice bibliographique

RevueAngewandte Chemie International Edition · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensBrockhouse Institute for Materials ResearchMcMaster University
Organismes subventionnairesOntario Ministry of Research and InnovationNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsGovernment of OntarioMcMaster University
Mots-clésElectrodeMaterials scienceAmperometryElectrochemistryNanotechnologyBiosensorSurface roughnessMiniaturizationSurface finishFoulingOptoelectronicsComposite materialChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract A key challenge for sensor miniaturization is to create electrodes with smaller footprints, while maintaining or increasing sensitivity. In this work, the electroactive surface of gold electrodes was enhanced 30‐fold by wrinkling followed by chronoamperometric (CA) pulsing. Electron microscopy showed increased surface roughness in response to an increased number of CA pulses. The nanoroughened electrodes also showed excellent fouling resistance when submerged in solutions containing bovine serum albumin. The nanoroughened electrodes were used for electrochemical detection of Cu 2+ in tap water and of glucose in human blood plasma. In the latter case, the nanoroughened electrodes allowed highly sensitive enzyme‐free sensing of glucose, with responses comparable to those of two commercial enzyme‐based sensors. We anticipate that this methodology to fabricate nanostructured electrodes can accelerate the development of simple, cost‐effective, and high sensitivity electrochemical platforms.

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 enseignants0,048
Score d'incertitude au seuil0,510

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 Opus0,009
Tête enseignante GPT0,280
Écart entre enseignants0,272 · 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

Citations35
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAngewandte Chemie International EditionMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207