Molecularly Imprinted Polymer Biosensor Based on Nitrogen-Doped Electrochemically Exfoliated Graphene/Ti<sub>3</sub> CNT<i><sub>X</sub></i> MXene Nanocomposite for Metabolites Detection
Notice bibliographique
Résumé
Rapid and accurate quantification of metabolites in different bodily fluids is crucial for a precise health evaluation. However, conventional metabolite sensing methods, confined to centralized laboratory settings, suffer from time-consuming processes, complex procedures, and costly instrumentation. Introducing the MXene/nitrogen-doped electrochemically exfoliated graphene (MXene@N-EEG) nanocomposite as a novel biosensing platform in this work addresses the challenges associated with conventional methods, leveraging the concept of molecularly imprinted polymers (MIP) enables the highly sensitive, specific, and reliable detection of metabolites. To validate our biosensing technology, we utilize agmatine as a significant biologically active metabolite. The MIP biosensor incorporates electrodeposited Prussian blue nanoparticles as a redox probe, facilitating the direct electrical signaling of agmatine binding in the polymeric matrix. The MXene@N-EEG nanocomposite, with excellent metal conductivity and a large electroactive specific surface area, effectively stabilizes the electrodeposited Prussian blue nanoparticles. Furthermore, increasing the content of agmatine-imprinted cavities on the electrode enhances the sensitivity of the MIP biosensor. Evaluation of the designed MIP biosensor in buffer solution and plasma samples reveals a wide linear concentration range of 1.0 nM–100.0 μM ( R 2 = 0.9934) and a detection limit of 0.1 nM. Notably, the developed microfluidic biosensor offers low cost, rapid response time to the target molecule (10 min of sample incubation), good recovery results for detecting agmatine in plasma samples, and acceptable autonomous performance for on-chip detection. Moreover, its high reliability and sensitivity position this MIP-based biosensor as a promising candidate for miniaturized microfluidic devices with the potential for scalable production for point-of-care applications.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».