Detection of Escherichia coli bacteria using surface plasmon resonance-wavelength interrogation setup
Notice bibliographique
Résumé
The last 20 years have seen significant progress in Surface Plasmonic Resonance (SPR), which has applications in material characterization, chemical sensing, biosensing, and other domains. SPR's increased sensitivity to changes in the materials' refractive indices has made it common in biosensing applications. In this study, we built an affordable SPR sensor system in our lab using wavelength interrogation setup. The suggested setup was developed and included a spectrophotometer, polarization sheet, attenuator, and a supercontinuum white light source. The SPR phenomenon is attained when a p-polarized light beam incident above a semicircular prism, which serves as a coupling medium and is attached to a thin layer of 53 nm thickness of gold (Au) by a matching oil. The SPR phenomenon is based on the wavelength, refractive index, and the angle as well. The dielectric medium can be changed, which changes the SPR angle as a result. Fixing the SPR angle while detecting the SPR wavelength over a broad wavelength range (400 to 700nm) is our main objective. Pathogenic bacteria such as <i>Escherichia coli (E. coli)</i> can have fatal effects on human health. It is possible that the water that is contaminated contains <i>E. coli</i>. In order to mimic the contaminated water, <i>E. coli</i> analytes with various concentrations were prepared using the serial dilution method and were diluted in sterilized deionized water with concentrations of (10<sup>-1</sup> to 10<sup>-10</sup>) cells/mL. Achieving the lowest concentration of <i>E. coli</i> analytes to ascertain the limit of detection (LOD) and the sensitivity of the created SPR setup are the goals of the serial dilution approach.
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) | 0,000 | 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 | 0,000 | 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 ».