Biosensors: Recent advances and mathematical challenges
Muchos investigadores y grupos de investigación de todo el mundo están tratando con problemas interdisciplinarios y grupos multidisciplinarios; pero especialmente, aquellos que tienen que ver todos los días con biosensores tienen la sensación de no tener suficiente personal con la experiencia suficiente para cubrir todos los temas. Con este sentimiento en nuestra mente, decidimos invitar varios investigadores de diferentes áreas para diseñar este libro, no como el libro de un biosensor convencional, sino como un interesante recorrido en el complejo mundo de los biosensores. Empieza con un primer vistazo a algunos recientes avances y puntos clave sobre el tema. A continuación a través de modelos matemáticos descubrimos como mejorar nuestro trabajo, y por último pero no menos importante, trucos para engañar a los impulsos eléctricos no deseados.
Siéntase libre para navegar por el libro a través de sus capítulos, una vez esté en sus manos se sentirá con ganas de aprender más acerca de los biosensores. Ha sido una experiencia poner todo esto en conjunto; pero ahora, con el libro listo, podemos decir que este viaje será una aventura maravillosa.
Capítulos
-
Prologue and Introduction
-
Use of functional metalic nanostructures in biosensors
-
Bacterial membrane formation monitored with atomic force microscopy and quartz crystal microbalance
-
Whole cell biosensors
-
Electrochemical biosensors for the detection of microcystinsRecent advances and perspectives
-
Phenolic compounds determination in water by enzymatic-based electrochemical biosensors
-
Electrochemical detection of dopamine using graphite electrodes modified with PAMAM G4.0-64OH dendrimers in synthetic cerebrospinal fluids
-
Continuous monitoring based on biosensors coupled with artificial intelligence
-
Modeling a second-generation glucose oxidase biosensor with statistical machine learning methods
-
Modeling the influence of pH and temperature on the response of an acetylcholinesterase biosensor using machine learning methods
-
Digital analysis and treatment for electromagnetic disturbances in biomedical instrumentation