Interaction of Pseudomonas aeruginosa with surface-modified silica studied by ultra-high frequency acoustic wave biosensor
Notice bibliographique
Résumé
Aim: This study aimed to examine the amount of surface non-specific adsorption, or fouling, observed by Pseudomonas aeruginosa (P. aeruginosa) on a quartz crystal based acoustic wave biosensor under different flow conditions with and without an anti-fouling layer. Methods: An electromagnetic piezoelectric acoustic sensor (EMPAS) based on electrode free quartz crystals was used to perform the analysis. Phosphate buffered saline (PBS) was flowed over the crystal surface at various flow rates from 50 μL/min to 200 μL/min, with measurements being taken at the 43rd harmonic (~864 MHz). The crystal was either unmodified, or modified with a monoethylene glycol [2-(3-silylpropyloxy)-hydroxy-ethyl (MEG-OH)] anti-fouling layer. Overnight culture of P. aeruginosa PAO1 (PAO1) in lysogeny broth (LB) was injected into the system, and flow maintained for 30 min. Results: The frequency change of the EMPAS crystal after injection of bacteria into the system was found to change based on the flow rate of buffer, suggesting the flow rate has a strong effect on the level of non-specific adsorption. The MEG-OH layer drastically reduced the level of fouling observed under all flow conditions, as well as reduced the amount of variation between experiments. Flow rates of 150 μL/min or higher were found to best reduce the level of fouling observed as well as experimental variation. Conclusions: The MEG-OH anti-fouling layer is important for accurate and reproducible biosensing measurements due to the reduced fouling and variation during experiments. Additionally, a flow rate of 150 μL/min may prove better for measurement compared to the current standard of 50 μL/min for this type of instrument.
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 | 0,001 |
| 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 | 0,000 | 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 ».