Portable cell imprinted polymer-based microfluidic sensor for bacteria detection in real water
Notice bibliographique
Résumé
• Cell imprinted polymer (CIP) microfluidic sensor for bacteria detection in water. • CIP-coated microparticles synthesized and used within the microfluidic device. • Sensor limits of detection at 8 × 10 3 CFU/mL and quantification at 6 × 10 5 CFU/mL. • Sensor specificity to E. coli confirmed using non-specific Salmonella and Sarcina. • Compared to lab-based method, sensor similarly quantified bacteria in pond water. Cell-imprinted polymer (CIP) based optical biosensors have transformed point-of-care detection. However, challenges remain in their portability and detection sensitivity, time, and cost. Herein, we present an imprinted polymer-based low-cost microfluidic device integrated into a portable enclosure that enables rapid and sensitive bacteria detection in real water. A portable 3D-printed platform was custom-designed, housing all essential detection components, i.e., pumping and fluorescent imaging units and the microfluidic sensor. CIP coated magnetic microparticles (MPs) with affinity to bacteria were manipulated inside the magnetophoretic microfluidic device at an optimized flow rate of 0.01 mL/min for bacteria capturing. Fluorescent imaging pre- and post-bacteria capture facilitated quantification of fluorescence intensity changes as bacteria were trapped by the CIP-MPs. The sensor’s dose–response curve established limits of detection (LOD) and quantification (LOQ) at 8 × 10 3 and 6 × 10 5 CFU/mL, respectively, within a dynamic range of 10 3 to 10 9 CFU/mL. It specifically detected E. coli , distinguishing it from non-specific bacteria like Salmonella and Sarcina . In real pond water tests, our sensor detected 2 × 10⁶ CFU/mL, matching a central lab’s result of 2.33 × 10⁶ CFU/mL, demonstrating its effectiveness for real-water monitoring. While further enhancements are needed for improving the specificity in complex environmental matrices and broader bacterial strain detection, the sensor’s simplicity and portability highlight its potential for practical potential.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».