MétaCan
Menu
Retour à la cohorte
Enregistrement W4394990265 · doi:10.1016/j.sbsr.2024.100647

Functionalization of quartz tuning fork sensor with a thin layer of dopamine for enhanced sensitivity

2024· article· en· W4394990265 sur OpenAlexaff
Abdullah N. Alodhayb, Abdulaziz K. Assaifan, Khalid E. Alzahrani, Hamad Albrithen, Danielle Dias, Matthew Schiiler, Samuel M. Mugo

Notice bibliographique

RevueSensing and Bio-Sensing Research · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAcoustic Wave Resonator Technologies
Établissements canadiensMacEwan University
Organismes subventionnairesMinistry of Education – Kingdom of Saudi ArabiKing Saud University
Mots-clésSurface modificationMaterials scienceCoatingTuning forkNanotechnologyAnalyteLayer (electronics)ChemistryAcousticsPhysicsChromatography

Résumé

récupéré en direct d'OpenAlex

Quartz tuning fork (QTF) sensors are widely used in various sensing applications due to their high sensitivity, stability, and accuracy. This study explores the functionalization of QTF sensors with a thin coating of polydopamine which can be used a molecular receptor for specific analytes. Dopamine is a neurotransmitter that plays a critical role in the brain's reward and pleasure centers, has been shown to have unique chemical and physical properties that make it a valuable functionalization agent for sensing applications. The functionalized QTF sensors were characterized using measurements of their resonance frequency which is an indication of coated mass of dopamine on the individual prongs of the QTF sensors. Additionally, the coatings were characterized through scanning electron microscopy and Fourier-transform infrared spectroscopy. The performance of the functionalized sensors was evaluated by measuring their response to various thickness of the polydopamine coating.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,040
Tête enseignante GPT0,305
Écart entre enseignants0,265 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensing and Bio-Sensing ResearchMême sujetAcoustic Wave Resonator TechnologiesTravaux en français237 207