Perovskite‐Graphene Heterostructure Biosensor Integrated with Biotunable Nanoplasmonic Ternary Logic Gate for Ultrasensitive Cytokine Detection
Notice bibliographique
Résumé
Abstract The integration of 2D‐materials and optoelectronic devices has attracted great attention for advanced applications. We propose the first perovskite/graphene heterostructure‐based FET biosensor with uniquely biotunable ternary logic gating functionality. The biosensor integrates a lateral perovskite‐on‐graphene heterostructure phototransistor with a vertical bio‐nano‐photonic filter, with a decoupled construction inset. In the phototransistor, photoactive perovskite quantum dots (PQDs) serve as sensitizers to absorb light while a high mobility single‐layer graphene (SLG) acts as an expressway for carrier transport. In the bio‐nano‐photonic filter, a localized surface plasmon resonance (LSPR) is induced by gold nanoparticles (AuNPs) in conjunction with antigen‐antibody binding, tuning the delivery of light passing through the filter and facilitating biotunable functionality with ternary modes. The biosensor is set up to detect human interleukin‐6 (IL6) in order to determine and achieve ultrahigh sensitivity with a limit of detection (LOD) of 0.9 fg mL −1 (43 aM), which is 4 orders of magnitude greater than graphene‐FET biosensors. This ultrahigh sensitivity is achieved due to the synergistic effect of PQDs/SLG heterostructure, exhibiting superior electrical, optical, and physicochemical properties, consequently providing significantly high performance of the biosensor in terms of label‐free, ultrahigh sensitivity (attomolar level), rapid responsivity (5 min), excellent stability, and selectivity. This heterostructure‐based biotunable configuration could open a new avenue for 2D materials in the realm of next‐generation bio‐nano‐photonic platforms for applications in healthcare, early diagnosis, and rapid 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».