Dual-Chronoamperometry Drift Correction for Electrochemical Sensors
Notice bibliographique
Résumé
Accurate sensing of biomolecular targets is crucial for diagnosing diseases and developing technologies for personalized medicine. However, measuring biomarker levels with high precision is often challenging due to signal drift caused by biofouling and monolayer instability. We demonstrate a novel continuous dual-chronoamperometry method with faradaic current extraction to enable accurate and reliable detection of biomarkers in the presence of drift. We apply two sequential chronoamperometry pulses, a reference (-500 mV) and a test (+500 mV), to capture all capacitive and faradaic currents in the range. In the absence of the target, the drift in the reference and test currents is multilinear, and this relationship can be used to predict the contribution of the target current. As a proof-of-concept, we demonstrate that signal drift can be corrected using our molecular pendulum for IFN-γ detection. Importantly, we show that this technique is broadly applicable to other amperometry-based systems such as a monolayer transporter sensor, an electrochemical DNA sensor, and electrochemical aptamer-based sensors. Moreover, we train a linear regression machine learning model and use its error to quantify target concentrations with dual-chronoamperometry data. This novel method enhances the reliability and sensitivity of chronoamperometry, paving the way for its application in real-time monitoring scenarios.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».