Bio-synthesized copper nanoparticle anchored ultrathin petal-shaped black phosphorous nanosheets and 3D graphene decorated nanocomposite for electrochemical sensing of methotrexate and paracetamol in diverse matrices
Notice bibliographique
Résumé
Creating a sensor that can concurrently monitor multiple therapeutic drugs in complex media is a challenging yet essential endeavor. This study presents a novel biomolecule-free electrochemical platform for simultaneous and highly selective detection of methotrexate (MTR) and paracetamol (PRC) in various matrices, including pharmaceutical formulations, simulated blood samples, and water samples. The platform utilizes a multi-layered petal-shaped black phosphorous structure supported on 3D graphene, along with bio-synthesized copper nanoparticles (BP-3DGp@BCuN). Prior to the sensing study, the as-prepared BP-3DGp@BCuN nanocomposite was characterized using FESEM, EDX, FTIR, UV, XPS, Raman spectroscopy, BET, and XRD. Electrochemical studies of BP-3DGp@BCuN nanocomposite reveal a considerable enhancement of the current compared to pure BP or 3DGp. The petal-shaped black phosphorous comprising of 3DGp and BCuN provides a larger surface area, effective mass transport, and more active sites for the attachment of the target analytes that amplified the current signals and detection sensitivity. Furthermore, computational analysis proves that the BP-3DGp@BCuN nanocomposite has strong interaction with the target MTR and PRC compared to other modifiers. Under optimized conditions, the proposed sensing method shows a linear detection range of 0.05–70 µM and 0.5–210 µM with limit of detection (LOD) values of 0.045 nM and 0.36 nM, with high sensitivity of 37.40 and 14.94 μA μM−1 cm−2 for PRC and MTR respectively. The real-life application of the present sensor was examined in pharmaceutical formulations, simulated blood, and water samples.
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) | 0,001 | 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 | 0,000 | 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 ».