Sensitive Detection of Specific Volatile Organic Compounds by Functionalized Transition Metal Dichalcogenide Monolayers
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Timely detection of liver cirrhosis (LC) is critical for effective clinical management and improved patient outcomes. Among emerging diagnostic approaches, detection of volatile organic compounds (VOCs), related to LC, offers a noninvasive, rapid, and cost-effective alternative to conventional methods. In this work, we employed spin-polarized density functional theory (DFT) to systematically investigate the interaction of LC-related VOCs using transition-metal dichalcogenides (TMDs), specifically WX 2 monolayers (X = S, Se 2 ). Five VOCs, namely, 2-pentanone, dimethyl sulfide (DMS), isoprene, limonene, and methanol, were selected based on their experimental association with LC. To enhance the sensitivity and selectivity of TMDs, Mn and Fe atoms were used to dope the chalcogen sites of WX 2, inducing strong dipole moments and improved van der Waals (vdW) interactions. The doped systems demonstrated significantly higher adsorption energies ( E ads, 1.5–2.1 eV), charge transfer (Δ q = 0.4–0.8 e), and magnetization changes (Δ M ≠ 0) for VOCs compared to air molecules ( E ads < 0.5 eV, Δ q < 0.1 e, Δ M = 0), confirming strong selectivity. Work function shifts Δϕ > 0.4 eV (for VOCs) and changes in the density of states near the Fermi level further support enhanced electronic response upon VOC adsorption. Our study offers atomic-scale insights into adsorption energetics, charge transfer, and electronic structure modulation that can guide future experimental efforts in nanobiosensor development. We also critically examine the scope and limitations of our theoretical framework, emphasizing the need for experimental validation to translate these findings into practical diagnostic technologies.
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 ».