Biosynthesized silver nanoparticles anchored on a carbon material derived from maple leaves for the development of a green non-enzymatic biosensor for creatinine sensing
Notice bibliographique
Résumé
• A eco-friendly non-enzymatic biosensor for creatinine determination was developed; • The carbon material was derived from maple leaves and used to anchor silver nanoparticles; • The biosynthesized silver nanoparticles was prepared from fresh grass; • The sensor has potential for high alignment with green chemistry principles. Creatinine (CRE) is a byproduct of creatine and phosphocreatine breakdown in muscles, produced at a relatively constant rate and excreted by the kidneys, making it a critical biomarker for assessing renal function. This study reports the development of a novel, eco-friendly non-enzymatic biosensor for CRE determination in synthetic urine. A carbon material was derived from maple leaves and used to anchor biosynthesized silver nanoparticles (HC-AgNPs) prepared from fresh grass. This composite was employed to modify a glassy carbon electrode (GC/HC-AgNPs) for CRE detection. Due to CRE's strong affinity for specific metals, the reduction in silver oxidation peaks served as an indicator of CRE presence in solution. The synthesized composites were characterized by scanning electron microscopy, energy-dispersive spectroscopy, cyclic voltammetry, and spectrophotometry. The sensor exhibited a linear response range of 100–500 µmol L⁻¹, with detection and quantification limits of 26.1 and 86.1 µmol L⁻¹, respectively, using square wave voltammetry. Recovery rates in synthetic urine were of 105.60% and 106.89%, with selectivity experiments revealing recovery percentages exceeding 92% for tested molecules. This sustainable and cost-effective biosensor aligns with green chemistry principles, offering a promising alternative for CRE detection.
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 ».