Hydrogen peroxide electrochemical sensor using green synthesized silver nanoparticles
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Green nanomaterial-based electrochemical sensors have attracted considerable attention owing to their biocompatibility, cost-effectiveness, and reduced environmental impact. Hydrogen peroxide (H₂O₂), a key biomarker of oxidative stress associated with aging and various pathologies, requires sensitive and selective detection for reliable biomedical diagnostics. In this work, silver nanoparticles (AgNPs) were synthesized via a green route using orange peel extract (OPE) as both a natural reducing and stabilizing agent, and subsequently employed to fabricate a nonenzymatic H₂O₂ sensor based on AgNP-modified screen-printed carbon electrodes (AgNPs/SPCEs). Structural and spectroscopic characterization confirmed the formation of crystalline AgNPs with an average diameter of ∼32 nm. Electrochemical analysis by cyclic voltammetry demonstrated excellent sensing performance, with dual linear ranges (0.5–10 μM and 10–161.8 μM), a high sensitivity of 20,160 μA mM -1 cm -2 , and a low detection limit of 0.3 μM, S/ N = 3. Amperometric studies demonstrated high selectivity against common interferents such as ascorbic acid, dopamine, glucose, glutamate, and uric acid. The sensor also achieved reliable detection of H₂O₂ in human urine, highlighting its potential for clinical applications. Furthermore, the versatility of the sensing platform was established by immobilizing glucose oxidase onto AgNPs/SPCEs, enabling enzymatic glucose sensing within a physiologically relevant range (3–18 mM). Collectively, these findings establish green-synthesized AgNP-based electrodes as a sustainable, cost-effective, and high-performance platform for the detection of oxidative stress biomarkers and glucose dysregulation in clinical diagnostics.
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.
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 découle