Noninvasive lactate monitoring in human sweat using fluorescent carbon quantum dots and molecularly imprinted polymer sensing
Notice bibliographique
Résumé
Over the years, there has been a growing demand for biosensors that enable non-invasive monitoring of biomarkers, such as lactate, which is crucial for assessing athletic performance and detecting metabolic disorders. Traditional lactate sensing relies on enzyme-based biosensors, but these are costly, unstable, and lose activity over time. A promising alternative is the use of molecularly imprinted polymers (MIPs) which are synthesized with target molecules to create selective binding sites. MIPs offer greater stability and selectivity than enzymatic biosensors and can also be combined with carbon quantum dots (CQDs) to generate a fluorescent, image-based biosensor for lactate detection. The general goal of this research was to develop portable CQD-MIP biosensors that detect lactate by combining MIP selectivity with CQD sensitivity. Up to this point, the CQD-MIP sensors were in a liquid state, which made its integration into a point-of-care device challenging. However, for the first time in this research branch, we successfully synthesized CQD-MIP detectors on paper by polymerizing the monomer 3-aminopropyltriethoxysilane (APTES) with lactic acid, in the presence of tetraethyl orthosilicate (TEOS) as crosslinker and cetyltrimethylammonium bromide (CTAB) as surfactant. With this solid biosensor, we obtained a significant relationship between the concentration of lactate and color values measured by a smartphone camera using image processing techniques. The final goal is to create a non-invasive health monitoring tool that measures lactate in sweat via image-based sensing, eliminating the need for complex processing units. By integrating this biosensor with smartphone technology, we aim to make health monitoring more accessible and convenient.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».