An Integrated Nanosensor/Smartphone Platform for Point-of-Care Biomonitoring of Human Exposure to Pesticides
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Organophosphorus (OP) compounds are neurotoxins that are among the most widely used pesticides in agriculture in the United States. In this application, a new integrated point-of-care smartphone/resistive nanosensor device is developed for onsite rapid and sensitive detection of exposure to OP pesticides from a drop of finger-stick blood among a sample of farmworkers. The nanosensor leverages the transport properties of a multiwalled carbon nanotube/polyaniline nanofiber (MWCNT/PAnNF) nanocomposite film on a gold interdigitated electrode and acetylcholinesterase/butyrylcholinesterase (AChE/BChE) hydrolysis of their respective substrates generating protons doping PAnNFs, thereby increasing the conductance of the film. As such, a conductance change can be used to quantify cholinesterase activity, enabling assessment of acute/chronic OP poisoning. Additionally, a mobile app was developed for the nanosensor to process, display, track, and share results. Under optimal conditions, the nanosensor demonstrated exceptional sensitivity with the detection limits of 0.11 U/mL for AChE and 0.093 U/mL for BChE, physiologically relevant dynamic ranges of 2.0–18.0 U/mL for AChE and 0.5–5.0 U/mL for BChE in whole blood, and high reproducibility with the relative standard variation of <4%. The nanosensor was further validated with widely used radiometric and Ellman’s methods, utilizing both in vitro pesticide-spiked blood samples and blood samples from 22 farmworkers. The results between this nanosensor and those two methods demonstrated a strong agreement. This platform provides a new avenue for the simple, rapid, and sensitive biomonitoring of OP pesticide exposure.
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 ».