Etalon@lateral flow strip for integrated separation-sensing microfluidic platforms
Notice bibliographique
Résumé
Lateral flow assays (LFAs) are widely favored for on-site analysis due to their simplicity and cost-effectiveness. However, their limited quantitative capabilities constrain them to qualitative testing. In contrast, etalon sensors offer high sensitivity and enable quantitative detection. They operate by producing interference-based optical signals through multiple reflections of light within a cavity formed by two parallel reflective surfaces. This requires a stable optical path length, traditionally limiting their use to smooth substrates. This study presents an integrated separation-sensing microfluidic platform (EtLFA). By fabricating etalons on commercial membranes and evaluating sensor's sensitivity and surface roughness, we determined that membrane surface roughness must meet two criteria - Sa < 0.5 μm and Smr > 90% - to support functional etalons. Capillary and permeability remain intact after etalon integration, ensuring membrane's purification performance. We further functionalized the etalon to respond specifically to glucose, to demonstrate the quantitative detection of glucose levels in a mimic blood sample. A glucose-responsive etalon@nylon served as the sensor module, while regenerated cellulose membrane enabled separation. This dual-module configuration filtered PDMS particles mimicking red blood cells and produced a 25 nm shift for 100 mg/dL glucose, enabling linear quantification via portable spectrometry. By incorporating etalon sensor onto rough membrane substrates, our platform transforms conventional LFAs into a quantitative analytical tool, offering novel avenues for enhancing analytical capabilities and broadening the applications of lateral flow assays.
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 ».