Kapasitiv mikromexaniki ultrasəs çeviricisi (Capacitive Micromachined Ultrasonic Transducer, CMUT), səthinə molekul adsorbsiyası baş verdikdə yaranan kütlə dəyişməsini rezonans tezliyindəki sürüşmə vasitəsilə aşkarlaya bilən mikroölçülü rezonans sensorudur. Bu tədqiqat, dörd çılpaq CMUT kanalını (S1–S4) və dörd peptidlə funksionallaşdırılmış CMUT kanalını (S5–S8) eyni vaxtda işlədən səkkiz kanallı elektron burun massivində nisbi rütubət dəyişməsinin uçucu üzvi birləşmə (VOC) siqnalından ayrılmasını araşdırır. Phenylethyl alcohol (PEA) və cis-3-hexen-1-ol (Cis3) model analitləri ilə aparılan təcrübələrdə kanal üzrə suya yaxınlıq əmsalından istifadə edilməklə xarici və daxili olmaqla iki rütubət korreksiyası strategiyası sınaqdan keçirilmişdir. Daxili korreksiyada eyni çip üzərindəki çılpaq CMUT-lar birbaşa yerində rütubət istinadı kimi istifadə edilmişdir. Peptidlə funksionallaşdırılmış sensorlarda daxili korreksiya ilə orta VOC yaxınlığı PEA üçün −3.44 ± 0.52 kHz/ppm, Cis3 üçün −0.026 ± 0.003 kHz/ppm kimi bildirilmişdir. Tam səkkiz kanallı massivin PCA fəzasındakı inter-cluster/intra-cluster ayrılma nisbəti rütubət korreksiyası ilə təxminən 1.4-dən 3.0-a yüksəlmişdir. Nəticələr göstərir ki, peptidlə funksionallaşdırma ilə çip üzərində rütubət istinadının birlikdə istifadəsi rütubətli mühitlərdə VOC təsnifatını gücləndirə bilər; lakin tədqiqat iki model VOC, doymuş headspace şəraiti və laboratoriya təcrübələri ilə məhdudlaşır.

CMUT Əsaslı Elektron Burunda Rütubət Niyə Kritik Müdaxilədir?

Rütubət kritik müdaxilədir, çünki CMUT rezonans tezliyi yalnız hədəf VOC molekullarının səthə bağlanmasına deyil, su buxarının sensor səthinə adsorbsiyasına da cavab verir; klinik nümunələrdə VOC-lər ppb–ppm səviyyəsində olduğu halda nisbi rütubətdəki sürətli dəyişmələr daha böyük tezlik sürüşmələri yaradaraq analit siqnalını maskalaya bilər.

CMUT əsaslı qravimetrik qaz sensorunun əsas iş prinsipi kütlə yüklənməsidir. Sensor səthinə molekul adsorbsiya olunduqda titrəyən strukturun effektiv kütləsi dəyişir və rezonans tezliyi sürüşür. Buna görə CMUT səth kimyasındakı molekulyar qarşılıqlı təsiri birbaşa kimyəvi konsentrasiya kimi deyil, mexaniki rezonans dəyişikliyi vasitəsilə aşkarlayır.

Bu xüsusiyyət yüksək həssaslıq təmin edir; lakin eyni zamanda seçici olmayan su adsorbsiyasını mühüm parazit mənbəyinə çevirir. Mənbə nəfəs və yara headspace-i kimi klinik mühitlərdə nisbi rütubətin təxminən %95 RH səviyyələrinə yaxınlaşa bildiyini vurğulayır. Buradakı əsas problem yalnız yüksək rütubət deyil: ölçmə zamanı rütubətin dəyişməsi hədəf VOC siqnalından daha böyük rezonans tezliyi dəyişikliyi yarada bilər.

Ədəbiyyatda bu problemi həll etmək üçün quru azotla işləmə, dəyişən rütubət altında maşın öyrənməsi ilə təsnifat, iki tezlikli öz-özünü kompensasiya edən CMUT arxitekturaları və xüsusi rütubət istinad sensorları kimi yanaşmalardan istifadə edilmişdir. Araşdırılan tədqiqat isə sensor çipinin arxitekturasını dəyişmədən hər kanalın suya olan yaxınlığını kalibrləyir və bu komponenti riyazi olaraq xam tezlik sürüşməsindən çıxarır.

Səkkiz kanallı sensor arxitekturası

Sensorlar CEA-LETI tərəfindən hazırlanmış və əvvəlki tədqiqatlarda təsvir edilmiş CMUT arxitekturasına əsaslanır. Bu tədqiqatdakı aparat təkmilləşdirmələrinə lövhə üzərində tezlik sayğacının inteqrasiyası və çip dəyişdirilməsini asanlaşdıran yenidən layihələndirilmiş dövrə lövhəsi daxildir. S1–S4-ə əlavə səth funksionallaşdırması tətbiq edilməmiş, S5–S8 isə daha əvvəl dərc olunmuş protokollara uyğun olaraq peptidlə funksionallaşdırılmışdır.

Mənbə mətni funksionallaşdırılmış dörd kanalın peptid kimliklərini və ya amin turşusu ardıcıllıqlarını bu tədqiqatın metod bölməsində ətraflı vermir. Buna görə hansı peptidin hansı kanalda yerləşdiyinə dair mənbədənkənar məlumat əlavə etmək elmi baxımdan uyğun deyil.

Peptidlə Funksionallaşdırma CMUT Sensoruna Nə Qazandırır?

Peptidlə funksionallaşdırma S5–S8 CMUT kanallarının müxtəlif VOC molekullarına qarşı səth yaxınlığını dəyişdirərək kanallar arasında analitdən asılı cavab nümunəsi yaradır; tədqiqatda PEA və Cis3 ayrımını təmin edən seçici məlumat əsasən bu funksionallaşdırılmış kanallardan əldə edilmişdir.

Tədqiqatın yanaşması klassik tək-analit sensorundan fərqlidir. Elektron burunda məqsəd hər sensorun yalnız bir molekula mütləq seçicilik göstərməsi deyil, bir neçə kanalın yaratdığı nisbi cavab nümunəsinin analitlər arasında fərqlənməsidir. Buna görə peptid səthlər molekulyar tanıma qatını yaradır, CMUT isə mexaniki rezonans çeviricisi rolunu oynayır.

Peptid örtüyünün yan təsirlərindən biri də suya qarşı artan yaxınlıqdır. Üç su inyeksiyası ilə aparılan kalibrləmədə çılpaq S1–S4 sensorlarının su yaxınlıqları təxminən −1.15 ilə −1.21 kHz/%RH arasında qaldığı halda peptid örtüklü S5–S8 kanallarında −1.92 ilə −3.06 kHz/%RH dəyərləri əldə edilmişdir. Müəlliflər bunu peptid qatının əlavə hiqroskopik töhfə yaratdığına işarə edən nəticə kimi şərh edirlər.

Təcrübədə istifadə olunan model VOC-lər

Hər təmiz komponentdən 1 mL, 60 mL-lik qapalı qaz flakonuna yerləşdirilmişdir. Dinamik headspace nümunələnməsi 70 mL/dəq axın sürətində həyata keçirilmişdir. Ölçmə sistemi təxminən bir saat qızdırılaraq CMUT çipinin, rütubət/temperatur sensorunun və nümunələrin temperaturunun sabitləşməsi gözlənilmişdir.

Hər məruz qalma üç texniki təkrar ehtiva edir. Avtomatik klapan ardıcıllığı 10 saniyə baz xətti ölçməsi, 60 saniyə analit inyeksiyası və 90 saniyə desorbsiya mərhələsi tətbiq edir. Nisbi rütubət ölçmə hüceyrəsinin aşağı axınında yerləşən Honeywell HIH6131-021-001 sensoru ilə davamlı izlənilmişdir.

İki fərqli məlumat toplama sisteminin sinxronlaşdırılması

CMUT tezlik məlumatları ilə xarici rütubət sensoru/məlumat klapanı qeydləri ayrı sistemlərdən gəldiyi üçün zaman oxları xüsusi Python skriptləri ilə birləşdirilmişdir. Bu əməliyyat xüsusilə vacibdir; çünki CMUT-un dinamik cavabı xarici rütubət probundan daha sürətlidir. Mənbənin 4-cü səhifəsindəki Figure 1 sensorqramı su inyeksiyası zamanı səkkiz tezlik əyrisi ilə rütubət əyrisinin zaman ərzində nə qədər fərqli sürətlə dəyişdiyini aydın şəkildə göstərir.

Xam sensor siqnalı necə çıxarıldı?

Hər inyeksiyada bir baseline window və bir analyte window müəyyən edilmişdir. Kanalın xam tezlik cavabı analit pəncərəsindəki orta tezlikdən baz xətti pəncərəsindəki ortanın çıxılması ilə müəyyən edilmişdir. Beləliklə, çox sürətli keçici salınımlar əvəzinə məruz qalmanı təmsil edən orta fərqdən istifadə edilmişdir.

Rütubət Korreksiyası Modeli Necə İşləyir?

Rütubət korreksiyası modeli ölçülən ümumi CMUT tezlik sürüşməsini hədəf VOC-nin yaratdığı komponentlə nisbi rütubət dəyişikliyinin yaratdığı komponentin xətti cəmi kimi qəbul edir; hər kanal üçün əvvəlcədən müəyyən edilmiş su yaxınlığı əmsalı \(\beta\) ilə hesablanan rütubət komponenti xam siqnaldan çıxarılaraq VOC-yə aid edilən düzəldilmiş tezlik sürüşməsi əldə edilir.

Tədqiqatın əsas xətti modeli:

\[ \Delta f_{\text{total}}= \Delta f_{\text{VOC}}+\beta\,\Delta RH \]

şəklindədir.

• \(\Delta f_{\text{total}}\): ölçülən ümumi rezonans tezliyi dəyişikliyi, kHz.
• \(\Delta f_{\text{VOC}}\): VOC adsorbsiyasına aid edilən tezlik dəyişikliyi, kHz.
• \(\beta\): sensora məxsus su yaxınlığı, kHz/%RH.
• \(\Delta RH\): baz xəttinə görə nisbi rütubət dəyişikliyi, %RH.

Buna görə xarici rütubət istinadından istifadə edildikdə düzəldilmiş siqnal:

\[ \Delta f_{\text{corrected}} = \Delta f_{\text{raw}} - \beta\,\Delta RH \]

kimi hesablanır. Riyazi baxımdan \(\beta\Delta RH\), mövcud rütubət dəyişikliyinin həmin sensorda yaratması gözlənilən tezlik sürüşməsidir. Bu termin çıxarıldıqda eyni ölçmədə su təsirinin analit təsirindən ayrılması məqsəd qoyulur.

Su yaxınlığı əmsalı β necə kalibrləndi?

Səkkiz kanalın hər biri üçün üç nəzarətli su buxarı məruz qalması həyata keçirilmişdir. Hər inyeksiyada tezlik sürüşməsi uyğun \(\Delta RH\) dəyərinə bölünmüş, təkrarlar istifadə edilərək sensora məxsus \(\beta\) əmsalı əldə edilmişdir.

Üç su inyeksiyasından əvvəlki mühit şəraitinin ortalaması 26.8 ± 2.0% RH və 25.0 ± 0.7 °C kimi verilmişdir. 5-ci və 18-ci səhifələrdəki su yaxınlığı qrafikləri funksionallaşdırılmış dörd kanalın çılpaq kanallarla müqayisədə aydın şəkildə daha yüksək mütləq su cavabı verdiyini göstərir.

Tədqiqatın Metodu və Nəticələri

PEA və Cis3 üçün xam sensor cavabları

VOC inyeksiyaları zamanı peptidlə funksionallaşdırılmış kanalların tezlik dəyişiklikləri çılpaq sensorlardan xeyli böyükdür. Bununla belə, xam çılpaq CMUT siqnallarının işarəsi müsbətdir. Bunun səbəbi analit inyeksiyası zamanı nisbi rütubətin azalmasıdır: \(\beta\) mənfi olduğuna görə mənfi \(\Delta RH\) müsbət rütubət mənşəli tezlik sürüşməsinə səbəb olur.

Bu nəticə, xüsusən çılpaq sensorlarda xam siqnalın böyük hissəsinin spesifik VOC bağlanmasından deyil, inyeksiya zamanı birlikdə dəyişən rütubətdən qaynaqlandığını göstərir.

Xarici rütubət korreksiyası

Xarici yanaşmada Honeywell rütubət sensoru tərəfindən ölçülən \(\Delta RH\), hər kanalın əvvəlcədən kalibrlənmiş \(\beta\) əmsalı ilə vurularaq xam tezlik siqnalından çıxarılmışdır.

Çılpaq sensorların sıfıra yaxınlaşması onların xam cavabının həqiqətən böyük ölçüdə rütubət tərəfindən yaradıldığını dəstəkləyən mühüm eksperimental nəzarətdir.

Daxili Rütubət İstinadı Xarici Rütubət Sensoru Olmadan Necə İşləyir?

Daxili rütubət istinadında S1–S4 çılpaq CMUT kanallarının PEA və Cis3-ə spesifik cavabının rütubət cavabına nisbətən kiçik olduğu fərz edilir və bu dörd kanalın ümumi tezlik dəyişikliyi eyni çip üzərində yerli rütubət göstəricisi kimi istifadə olunur; beləliklə funksionallaşdırılmış S5–S8 kanallarından rütubət komponenti çıxarılır və VOC ölçməsi zamanı ayrıca xarici rütubət sensoruna ehtiyac qalmır.

Daxili korreksiyada peptidlə funksionallaşdırılmış kanalların qrup ortalamaları PEA üçün −58.5 ± 7.5 kHz, Cis3 üçün −36.1 ± 5.7 kHz olmuşdur. Çılpaq kanallar korreksiya istinadını təşkil etdiyinə görə bu sxemdə qalıq siqnal kimi sıfıra oturur.

Bu yanaşmanın mühüm aparat üstünlüyü rütubətin VOC sensorlarından fərqli nöqtədə deyil, birbaşa eyni çip və eyni ölçmə həcmində nümunələnməsidir. Beləliklə xarici probun axın xətti boyunca yarada biləcəyi zaman gecikməsi, boru divarlarında su adsorbsiyası/desorbsiyası və temperatur qradiyenti kimi təsirlər azaldılır.

Bununla belə, daxili yanaşmanın əsas fərziyyəsi qüsursuz deyil. Çılpaq CMUT-lar PEA və Cis3-ə tamamilə həssas deyildir. Bu çarpaz həssaslıq real VOC siqnalının kiçik bir hissəsinin də “rütubət” kimi çıxarılmasına səbəb ola bilər. Müəlliflər daxili korreksiyada əldə edilən \(\alpha\) dəyərlərinin xarici korreksiyadan bir qədər aşağı olmasını bu təsirlə əlaqələndirirlər.

VOC yaxınlığı α

Rütubətdən təmizlənmiş tezlik sürüşməsi analitin 25 °C-dəki təxmini doymuş headspace konsentrasiyasına bölünərək sensora məxsus VOC yaxınlığı müəyyən edilmişdir:

\[ \alpha = \frac{\Delta f_{\text{VOC}}}{C_{\text{sat}}} \]

• \(\alpha\): VOC yaxınlığı, kHz/ppm.
• \(\Delta f_{\text{VOC}}\): rütubətdən təmizlənmiş tezlik sürüşməsi, kHz.
• \(C_{\text{sat}}\): analitin 25 °C-də istifadə olunan doymuş buxar konsentrasiyası, ppm.

Məqalənin xülasəsində funksionallaşdırılmış kanallar üzrə daxili korreksiya üçün orta \(\alpha\) dəyəri PEA-da −3.44 ± 0.52 kHz/ppm, Cis3-də −0.026 ± 0.003 kHz/ppm kimi bildirilmişdir.

Cis3 üçün \(\alpha\)-nın mütləq dəyərinin PEA ilə müqayisədə təxminən iki mərtəbə kiçik olması yalnız xam tezlik cavabının aşağı olmasından irəli gəlmir. Hesablamada istifadə olunan doyma konsentrasiyaları da çox fərqlidir: PEA üçün 17 ppm, Cis3 üçün 1387 ppm. Mənbə müəllifləri fərqi həm molekulyar kütlə, həm də Cis3-ün xeyli yüksək qaz fazası doyma konsentrasiyası ilə əlaqələndirirlər.

Xarici və daxili korreksiyanın qeyri-müəyyənlikləri

Xarici Honeywell HIH6131-021-001 sensorunun göstərilən dəqiqliyi ±4 %RH-dir. Funksionallaşdırılmış sensorların −1.92 ilə −3.06 kHz/%RH arasındakı su yaxınlıqları nəzərə alındıqda, bu xüsusiyyət düzəldilmiş tezlikdə təxminən 8–12 kHz qeyri-müəyyənliyə uyğun gəlir.

Bunun əksinə, təkrarlanan su inyeksiyalarında çılpaq CMUT kanallarındakı qalıq tezlik standart sapmaları S1–S4 üçün müvafiq olaraq 1.16, 0.94, 2.12 və 0.90 kHz olmuşdur. Kanalın \(\beta\) dəyərindən istifadə etməklə rütubət ekvivalentinə çevrildikdə:

alınmışdır. Müəlliflər bu nəticəni daxili istinadın istifadə olunan xarici probdan təxminən iki dəfə daha yaxşı rütubət istinadı təmin etməsi kimi qiymətləndirirlər.

CMUT-ların öz tezlik səs-küyü onlarla hertz səviyyəsindədir və burada araşdırılan kHz ölçülü siqnallarla müqayisədə çox kiçikdir. Buna görə tədqiqatda korreksiyanın sərhədini CMUT rezonans səs-küyündən daha çox rütubət istinadı və çarpaz VOC həssaslığı müəyyən edir.

Rütubət korreksiyası qeyri-müəyyənliyinin VOC konsentrasiyasına təsiri

Müəlliflər təxminən %2 RH daxili rütubət qeyri-müəyyənliyini əvvəlcə sensora məxsus \(\beta\) vasitəsilə tezlik qeyri-müəyyənliyinə, sonra isə \(\alpha\) vasitəsilə VOC konsentrasiyası qeyri-müəyyənliyinə çevirmişlər.

Bu analizdə PEA ölçməsi rütubət korreksiyasının dəqiqliyi ilə məhdudlaşmır; Cis3 üçün isə korreksiya qeyri-müəyyənliyi mühüm olur. Bu nəticə eyni metodun hər VOC və konsentrasiya üçün eyni kəmiyyət performansını verməyəcəyini aydın şəkildə göstərir.

PCA Analizi Rütubət Korreksiyasının Analit Ayrımını Necə Göstərir?

PCA analizi xam səkkiz kanallı cavab vektorlarını L2 normallaşdırmasından sonra iki əsas komponentə endirir və PEA ilə Cis3 klasterlərinin bir-birinə görə məsafəsini görünən edir; tam sensor massivində rütubət korreksiyası inter/intra ayrım nisbətini təxminən 1.4-dən 3.0-a qaldırarkən analit ayrımını yalnız %0.7 variasiya daşıyan ikinci komponentdən %86.4 variasiya daşıyan birinci komponentə keçirir.

Hər inyeksiya səkkiz sensordan alınan bir cavab imzası yaratmışdır. Bu vektorlar L2 norması ilə normallaşdırılmış və Principal Component Analysis (PCA) istifadə olunaraq iki ölçüyə proyeksiya edilmişdir.

Siniflərarası məsafə PEA və Cis3 klaster mərkəzlərinin Evklid məsafəsi kimi; sinifdaxili məsafə isə klasterlərin orta yayılması kimi müəyyən edilmişdir. İstifadə olunan ayrım metriyi:

\[ R_{\text{sep}} = \frac{D_{\text{inter}}}{D_{\text{intra}}} \]

şəklindədir. \(R_{\text{sep}}>1\), siniflərarası məsafənin sinifdaxili yayılmadan böyük olduğu deməkdir.

10-cu və 21-ci səhifələrdəki dörd PCA paneli bu nəticəni xüsusilə aydın göstərir. Yalnız çılpaq sensorlar istifadə edildikdə rütubət korreksiyası aparılsa belə analit klasterləri etibarlı şəkildə ayrılmır. Peptidlə funksionallaşdırılmış kanallar əlavə edildikdə düzəldilməmiş məlumatda nisbət 1.42-yə yüksəlir; lakin bu halda PEA-Cis3 ayrımı ümumi variasiyanın yalnız təxminən %0.7-ni daşıyan PC2 boyunca görünür.

Rütubət düzəldilmiş səkkiz kanallı məlumatda isə inter/intra nisbəti 3.00-dır və ayrımın əsas istiqaməti %86.4 variasiya daşıyan PC1 olur. Bu, rütubət korreksiyasının yalnız siqnal amplitudasını kiçiltmədiyini; analitə məxsus variasiyanı məlumat fəzasının dominant komponentinə çevirdiyini göstərir.

Niyə peptidlə funksionallaşdırma və rütubət korreksiyası birlikdə lazımdır?

Yalnız rütubət korreksiyası çılpaq sensorlarda yeni molekulyar seçicilik yarada bilməz. Eyni şəkildə peptid sensorları rütubət korreksiyası olmadan istifadə edildikdə analitə məxsus məlumat mövcud olsa da rütubət mənşəli variasiya tərəfindən qismən maskalanır. Tədqiqatın mərkəzi nəticəsi bu iki qatın bir-birini tamamlamasıdır:

• Peptidlə funksionallaşdırma: analitdən asılı kanal fərqi yaradır.
• Rütubət korreksiyası: ortaq ekoloji müdaxiləni zəiflədir.
• Çoxkanallı PCA: qalan analitə məxsus nümunənin siniflərarası ayrımını üzə çıxarır.

Daxili və xarici korreksiyanın PCA performansı

Müəlliflər hər iki rütubət korreksiyası strategiyasının analit sinif ayrımı baxımından ekvivalent performans verdiyini və bir yanaşmanın digərindən statistik cəhətdən əhəmiyyətli üstünlük göstərmədiyini bildirirlər. Buna görə PCA-nın davamındakı analizlərdə xarici korreksiya istinad şəraiti kimi saxlanılmışdır.

Daxili korreksiyanın üstünlüyü PCA nisbətində əlavə artım yaratmasından deyil, sistem arxitekturasını kiçiltməsindən və eyni mikromühitdə sinxron rütubət istinadı təmin etməsindən irəli gəlir.

Tədqiqatın dəstəklədiyi nəticələr

• CMUT massivində nisbi rütubət dəyişməsi VOC mənşəli tezlik siqnalını güclü şəkildə maskalaya bilər.
• Hər kanal üçün su yaxınlığı \(\beta\) kalibrlənərək rütubət təsiri birinci dərəcəli xətti model ilə çıxarıla bilər.
• PEA və Cis3 üçün çılpaq S1–S4 sensorları yerində rütubət istinadı kimi istifadə edilə bilər.
• Peptidlə funksionallaşdırılmış kanallar analit seçiciliyi üçün zəruridir.
• Tam sensor massivində rütubət korreksiyası PCA inter/intra nisbətini 1.42-dən 3.00-a yüksəltmişdir.
• Daxili korreksiya istifadə olunan ±4 %RH dəqiqlikli xarici Honeywell probu ilə müqayisədə təkrarlar arasında daha aşağı rütubət istinad xətası göstərmişdir.
• CMUT-un öz tezlik səs-küyü bu təcrübələrdə əsas məhdudlaşdırıcı amil deyil.

Tədqiqatın dəstəkləmədiyi nəticələr

• Tədqiqat sistemin real xəstə nəfəsində və ya infeksiyalaşmış yara headspace-ində klinik diaqnostik dəqiqliyini sübut etmir.
• PEA və Cis3-dən başqa VOC-lərə eyni seçicilik dəyərlərinin tətbiq edilə biləcəyini göstərmir.
• Qarışıq VOC qarışıqlarının etibarlı şəkildə ayrıldığını göstərmir.
• Aşağı ppb səviyyələrində real klinik biomarker aşkarlama həddi müəyyən edilməmişdir.
• Çılpaq sensorların bütün VOC-lərə tamamilə həssas olmadığı sübut edilməmişdir; əksinə mənbə bunu daxili korreksiyanın məhdudiyyəti kimi müəyyən edir.
• Xətti rütubət modelinin bütün RH diapazonu, bütün temperaturlar və bütün dinamik şərait üçün universal olduğu göstərilməmişdir.
• PCA-dakı 3.00 ayrım nisbəti klinik təsnifat dəqiqliyi və ya diaqnostik həssaslıq/spesifiklik demək deyil.

Gələcək tədqiqatlar

Mənbə müəllifləri metodun VOC qarışıqlarına, fizioloji və ekoloji baxımdan daha əhəmiyyətli aşağı konsentrasiyalara və müxtəlif hədəf analitlərə genişləndirilməsini təklif edirlər. Bundan əlavə, peptid massivlərinin hədəf VOC panelinə görə sistemli şəkildə optimallaşdırılması və daxili istinad kanallarının VOC çarpaz həssaslığının azaldılması əsas inkişaf sahələridir.

Mənbə və Metod Qeydi

Orijinal tədqiqat:Eight-channel parallel CMUT array with onboard humidity correction and peptide-modulated VOC affinity for electronic nose applications.

Müəlliflər: Romain Dubreuil, Cyril Herrier, Thierry Livache və Bruno Fain.

Mənbə PDF-dəki qurumlar: Olfaktion, Grenoble; Univ. Grenoble Alpes–CEA–Leti; həmçinin Univ. Grenoble Alpes–CEA–CNRS–Grenoble-INP–IRIG-SyMMES. SSRN qeydi Romain Dubreuil-ü əlaqələndirici müəllif kimi göstərir.

DOI: 10.2139/ssrn.7198335.

Platforma: SSRN.

Nəşr tarixi/statusu: SSRN qeydində 28 iyul 2026-cı ildə yüklənmiş 21 səhifəlik preprint. Mənbə PDF açıq şəkildə rəyçi qiymətləndirməsindən keçmədiyini bildirir.

Elmi tədqiqat növü: Nəzarətli laboratoriya qaz sensoru təcrübəsi, siqnal korreksiyası modeli və PCA əsaslı çoxdəyişənli analiz.

Maliyyələşdirmə: Tədqiqat Avropa İttifaqının Horizon 2020 tədqiqat və innovasiya proqramından Grant Agreement No. 964529 çərçivəsində maliyyələşdirilmiş; həmçinin BPI France tərəfindən maliyyələşdirilən Silinose layihəsi (2020-PSPC-5) tərəfindən qismən dəstəklənmişdir.

Məlumatların əlçatanlığı: Mənbədə “Data will be made available on request” ifadəsi vardır; məlumatlar tələb əsasında təqdim ediləcək.

Generativ süni intellekt istifadəsi: Müəlliflər tədqiqat hazırlanarkən mətn formulyasiyasını yaxşılaşdırmaq və fiqurların təqdimatında istifadə olunan Python koduna kömək etmək məqsədilə Anthropic Claude AI-dan istifadə etdiklərini; məzmunu daha sonra özlərinin nəzərdən keçirib redaktə etdiklərini və elmi məsuliyyəti üzərlərinə götürdüklərini bəyan edirlər.

Maraqların toqquşması: Yüklənmiş mətndə ayrıca və açıq maraqların toqquşması bəyanatı müəyyən edilməmişdir; buna görə heç bir bəyan uydurulmamışdır.

Əsas metodoloji məhdudiyyət: Tədqiqat iki model VOC-ni, PEA və Cis3-ü laboratoriya headspace şəraitində araşdırır. Aşağı konsentrasiyalı qarışıqlar, klinik nümunələr, sahə şəraiti və uzunmüddətli sensor sabitliyi bu təcrübə çərçivəsində təsdiqlənməmişdir.

Reproducibility qeydi: S5–S8-in peptidlərlə funksionallaşdırıldığı və əvvəlki protokolların izlənildiyi bildirilsə də, dörd kanalın peptid kimlikləri/ardıcıllıqları yüklənmiş məqalənin metod mətnində açıq şəkildə sadalanmır. Bu məlumat Verianla tərəfindən tamamlanmamışdır.

Müəllif hüququ/lisenziya: SSRN biblioqrafik qeydi bütün hüquqların qorunduğunu və icazə olmadan təkrar istifadənin mümkün olmadığını bildirir. Buna görə mənbə qrafiklərini piksel səviyyəsində kopyalamaq əvəzinə elmi əlaqələrin orijinal Verianla qrafik və sxemləri ilə yenidən ifadə edilməsi məqsədəuyğundur.