Comprehensive Fluorescence Profiles of Contamination-prone Foods Applied to the Design of Microcontact-printed in situ Functional Oligonucleotide Sensors
Notice bibliographique
Résumé
With both foodborne illness and food spoilage detrimentally impacting human health and the economy, there is growing interest in the development of in situ sensors that offer real-time monitoring of food quality within enclosed food packages. While oligonucleotide-based fluorescent sensors have illustrated significant promise, the development of such on-food sensors requires consideration towards sensing-relevant fluorescence properties of target food products – information that has not yet been reported. To address this need, comprehensive fluorescence profiles for various contamination-prone food products are established in this study across several wavelengths and timepoints. The intensity of these food backgrounds is further contextualized to biomolecule-mediated sensing using overlaid fluorescent oligonucleotide arrays, which offer perspective towards the viability of distinct wavelengths and fluorophores for in situ food monitoring. Results show that biosensing in the Cy3 range is optimal for all tested foods, with the Cy5 range offering comparable performance with meat products specifically. Moreover, recognizing that mass fabrication of on-food sensors requires rapid and simple deposition of sensing agents onto packaging substrates, RNA-cleaving fluorescent nucleic acid probes are successfully deposited via microcontact printing for the first time. Direct incorporation onto food packaging yields cost-effective sensors with performance comparable to ones produced using conventional deposition strategies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».