MétaCan
Menu
Retour à la cohorte
Enregistrement W4401455446 · doi:10.3390/bios14080385

Grating Bio-Microelectromechanical Platform Architecture for Multiple Biomarker Detection

2024· article· en· W4401455446 sur OpenAlexaff
Fahimeh Marvi, Kian Jafari, Mohamad Sawan

Notice bibliographique

RevueBiosensors · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MEMS and NEMS Technologies
Établissements canadiensInstitut interdisciplinaire d'innovation technologiqueUniversité de Sherbrooke
Organismes subventionnairesWestlake University
Mots-clésBiomarkerMicroelectromechanical systemsComputer scienceNanotechnologyMaterials scienceChemistry

Résumé

récupéré en direct d'OpenAlex

A label-free biosensor based on a tunable MEMS metamaterial structure is proposed in this paper. The adopted structure is a one-dimensional array of metamaterial gratings with movable and fixed fingers. The moving unit of the optical detection system is a component of the MEMS structure, driven by the surface stress effect. Thus, these suspended optical nanoribbons can be moved and change the grating pattern by the biological bonds that happened on the modified cantilever surface. Such structural variations lead to significant changes in the optical response of the metamaterial system under illuminating angled light and subsequently shift its resonance wavelength spectrum. As a result, the proposed biosensor shows appropriate analytical characteristics, including the mechanical sensitivity of Sm = 11.55 μm/Nm−1, the optical sensitivity of So = Δλ/Δd = 0.7 translated to So = Δλ/Δσ = 8.08 μm/Nm−1, and the quality factor of Q = 102.7. Also, considering the importance of multi-biomarker detection, a specific design of the proposed topology has been introduced as an array for identifying different biomolecules. Based on the conducted modeling and analyses, the presented device poses the capability of detecting multiple biomarkers of disease at very low concentrations with proper precision in fluidic environments, offering a suitable bio-platform for lab-on-chip structures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,175
Score d'incertitude au seuil0,541

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,017
Tête enseignante GPT0,238
Écart entre enseignants0,221 · 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 tête enseignante, 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiosensorsMême sujetAdvanced MEMS and NEMS TechnologiesTravaux en français237 207