Developing surface plasmon resonance imaging for discrete particle detection based on a silver layer coated with polyacrylic acid/iodine polyelectrolyte brushes
Notice bibliographique
Résumé
The detection and analysis of low concentrations of chemical and biological particles presents an enduring challenge in scientific exploration. Among the various techniques employed for this purpose, surface plasmon resonance (SPR) stands as a powerful label-free method with a wide-range applications in advanced detection and sensing. Traditional SPR, while highly effective, encounters inherent limitations when it comes to scrutinizing individual particles. To overcome this limitation, wide-field surface plasmon resonance microscopy emerges as a promising approach, offering real-time detection capabilities for suspended particles in solution. In this study, an innovative wide-field surface plasmon resonance microscope is presented, strategically combining a silver layer coated with polyelectrolyte brushes—polyacrylic acid/iodine, to enhance the detection sensitivity and mitigate silver’s susceptibility to oxidation. It is demonstrated that coating the silver layer with polyacrylic acid/iodine enhances the sensitivity of discrete particle imaging with a high spatial resolution of the recorded image. Since wide-field surface plasmon resonance microscopy can detect discrete particles, a mathematical model is proposed to describe the SPR sensing mechanism based on discrete particles for precisely characterizing and interpreting the experimental observations. This work demonstrates a capability for comprehensive analysis of low concentrations of chemical and biological particles at the single particle level.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 ».