Boosting Electrochemiluminescence Immunoassay Sensitivity via Co–Pt Nanoparticles within a Ti<sub>3</sub>C<sub>2</sub> MXene-Modified Single Electrode Electrochemical System on Raspberry Pi
Notice bibliographique
Résumé
Point-of-care testing plays a crucial role in diagnostics within resource-poor areas, necessitating the utilization of portable and user-friendly devices. The adaptation of biosensors for point-of-care applications requires careful considerations, such as miniaturization, cost-effectiveness, and streamlined sample processing. In recent years, the electrochemiluminescence (ECL) immunoassay has gained significant attention due to its visual detection capabilities and ability to facilitate high-throughput analysis. However, the development of a practical and cost-effective ECL device remains a challenging task. This study presents the development of an integrated MXene-modified single-electrode electrochemical system (SEES) for visual and high-throughput ECL immunoassays incorporating a Raspberry Pi system. The SEES was designed by affixing a plastic sticker with multiple perforations onto a single carbon ink screen-printed electrode, which operates based on a resistance-induced potential difference. Leveraging the excellent adsorption and bioaffinity properties of the carbon ink screen-printed electrode, effective immobilization of antibodies was achieved. Furthermore, the incorporation of Co–Pt nanoparticles enhanced the ECL intensity and electron transfer kinetics, enabling the sensitive detection of SARS-CoV-2. The developed system comprised 18 individual reaction cells, allowing for simultaneous analysis while maintaining sample isolation. Impressively, the system achieved a remarkable minimum virus detection limit of 10 –14 g mL –1, accompanied by a high R 2 value of 0.9798. These findings highlight the promising potential of our developed system for efficient point-of-care testing in resource-limited settings.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 ».