Combining dopamine and glucose sensings on paper devices for the metabolic study of neurosecretion
Notice bibliographique
Résumé
Glucose, the main source of energy of the human body, and dopamine, a major neurotransmitter, are two analytes widely investigated in the study of the brain. In many pathologies, a dysfunction in their metabolic pathways can be observed, leading to neurological disorders. Better understanding the interplays between secretion and cellular metabolism is critical to better address these diseases. In this study, we study the simultaneous detection of glucose consumption and dopamine secretion using a paper-based electrode (PBE). An electrode made of carbon nanotube-coated paper was functionalized with platinum nanoparticles and glucose oxidase to gain sensitivity towards glucose. Maximal current density ( J m a x ) and Michaelis–Menten constant ( K m ) were respectively 12 . 4 ± 2 . 0 μ A.mm −2 and 7.6 ± 1.5 mM for the glucose calibration. The results suggest that dopamine secretion and glucose consumption can be measured in a neuron cell model using the developed paper-based sensor. After stimulating the cells, glucose and dopamine concentration decreased by 1.1 mM and increased by 7 . 1 μ M, respectively. In addition, to confirm the sensor’s detection of dopamine secretion, the impact of L-DOPA, a dopamine precursor, was tested. Dopamine secretion increased two-fold after incubation with L-DOPA, while glucose consumption remained unchanged. This opens new opportunities for quantitative, rapid multianalyte sensing of the chemical inputs and outputs of cellular mechanisms with an easy-to-use and affordable device. • A paper sensor for the co-detection of dopamine and glucose was built. • Changes in glucose and dopamine levels during secretion were measured. • The impact of L-DOPA, a dopamine precursor, was also considered. • This study puts forward paper devices for chemical analyses of metabolism in cells.
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 ».