Bacterial Bioaerosol-Specific Capture and In Situ Detection Using an Immune ZIF-8-Melamine Foam-Functionalized Colorimetric Biosensor
Notice bibliographique
Résumé
Bioaerosol infections containing pathogenic viruses and bacteria have resulted in significant economic losses and posed a serious threat to public health, as evidenced by outbreaks of coronavirus disease and avian influenza. Consequently, the sampling and screening of bioaerosols are crucial for the prevention of bioaerosol-borne diseases. In this study, an ultrasensitive biosensor based on zeolitic imidazolate framework-8-melamine foam (ZIF-8-MF) was innovatively developed for the specific capture and in situ detection of bioaerosols. The bacterial bioaerosols were collected by a wet cyclone into phosphate-buffered saline (PBS) buffer at a high collection rate, achieving a satisfactory collection efficiency of ∼80% within 10 min. The target bacteria collected in the PBS buffer were specifically captured and effectively concentrated using immune ZIF-8-MF. The gold@platinum nanozymes (GPNs) were employed to specifically label the captured target bacteria and efficiently amplify the biological signal. And the resulting colorimetric signal was analyzed via a self-developed smartphone application (App). This biosensor demonstrated the capability to detect bioaerosols containing Salmonella typhimurium in the range of 1.6 × 10 2 –1.6 × 10 5 CFU/m 3 within 1.5 h, with a detection limit as low as 100 CFU/m 3 . Compared with other bioaerosol detection methods, the biosensor offered advantages such as high collection rate, specific capture, efficient concentration, and in situ detection, positioning it as a highly promising and practical tool for the monitoring of bioaerosols containing diverse pathogenic bacteria.
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 | 0,001 |
| 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 ».