MétaCan
Menu
Retour à la cohorte
Enregistrement W4404663061 · doi:10.1038/s41378-024-00803-4

Molecularly imprinted fluorescence sensor chip for lactate measurement

2024· article· en· W4404663061 sur OpenAlexafffund
Muersha Wusiman, Fariborz Taghipour

Notice bibliographique

RevueMicrosystems & Nanoengineering · 2024
Typearticle
Langueen
DomaineChemistry
ThématiqueAnalytical chemistry methods development
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of Canada
Mots-clésMolecularly imprinted polymerBiosensorBoronic acidFluorescenceBiochipMaterials sciencePolymerNanotechnologyChemistrySelectivityCombinatorial chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Lactate measurements provide an opportunity to conveniently evaluate bodily functions and sports performance. A molecularly imprinted fluorescence biochip provides an innovative way to achieve lactate measurement and overcomes the limitations of enzyme-based sensors. To realize this goal, ZnO quantum dots (QDs), a biocompatible sensing material, were combined with selective receptors comprised of molecularly imprinted polymers (MIPs). The lactate-selective imprinted polymers were formed using 3-aminopropyltriethoxysilane (APTES) and 5-indolyl boronic acid monomers. Furthermore, a new solid-phase sensing platform that overcomes the limitations of liquid-based sensors was developed to detect lactate in real-time. The platform consists of the biosensor chip with a thin-film sensing layer, an ultraviolet (UV) excitation source, and a portable light detector. The final sensor has a sensitivity of 0.0217 mmol L -1 for 0–30 mmol L -1 of lactate in phosphate-buffered saline (PBS) with a correlation coefficient of 0.97. The high sensor sensitivity and selectivity demonstrates the applicability of the ZnO QDs and synthetic receptors for sweat analysis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,252
Écart entre enseignants0,229 · 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 source (Gemma direct ou Codex distillé), 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMicrosystems & NanoengineeringMême sujetAnalytical chemistry methods developmentTravaux en français237 207