MétaCan
Menu
← Retour à la cohorte
Enregistrement W7160331095 · doi:10.1109/edct65302.2025.11495796

Study of Sensitivity and Selectivity of a QCM-Based Biosensor Towards Indian Cinnamon Volatiles

2025· article· W7160331095 sur OpenAlexaff
Amrik Basak, Subhojit Malik, Rajiv Pradhan, Subhajit Roy, Prolay Sharma

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueElectrochemical sensors and biosensors
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesDipartimento di Scienze e Tecnologie, Università degli Studi del Sannio
Mots-clésSensitivity (control systems)SelectivityBiosensorAnalyte

Résumé

récupéré en direct d'OpenAlex

Cinnamon is valued for its distinctive aroma and health-related properties, which arise from various bioactive compounds. Because there are many cinnamon species worldwide, each with unique characteristics, their identification usually requires slow, time-consuming and multi step laboratory analyses. Most existing electronic noses are complex devices that rely on hardwired electrical connections and resource-intensive instrumentation, such as gas chromatography with desorption, chromatography and mass spectrometry, to identify the compounds responsible for cinnamon aroma. The technology presented in this study was not developed as a consumer-oriented product but rather as a low-cost, portable and easily deployable alternative. We developed a rapid analysis method using a Quartz Crystal Microbalance (QCM) sensor coated with acetic acid (CACQCM) to detect one of the dominant volatile compounds in cinnamon. Gas Chromatography-Mass Spectrometry (GCMS) confirmed that Copene (CP) is the most abundant volatile compound in Indian cinnamon compared to other species. Aroma analysis was carried out using six cinnamon samples from different sources at concentrations ranging from 10 to 1000 ppm. The coating material was prepared by solvent mixture with a 2:1 ethanol-to-acetic acid sample ratio and then applied as a drop-coating on the QCM surface. To achieve maximum frequency loading, the coating was applied 11 times. This reduced the initial QCM frequency from 9997756 Hz to 9993908 Hz, resulting in a total frequency shift of 3,848 Hz. We examined key parameters such as sensitivity, selectivity, stability and the influence of temperature and humidity. The sensor demonstrated excellent selectivity, with a response rate of$0.1621 \text{Hz} / \text{mg} \cdot \mathrm{L}^{-1}$and showed a very strong correlation with cinnamon aroma$(\mathbf{R}^{\mathbf{2}}=0.9432)$. The sensor highlights the potential for more environmentally friendly, low-cost and userfriendly alternatives to GC-MS. In the coming years, we expect increased use of such affordable methods for screening food quality and environmental contaminants.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0020,000
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,230
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectrochemical sensors and biosensors→Travaux en français237 207→