Sensor capacitivo multidimensional e aprendizado de máquina para determinação "sample-to-answer" de íons metálicos

Detalhes bibliográficos
Autor(a) principal: Silva, Giulia Silva da, 1996-
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/4731
Resumo: Orientador: Renato Sousa Lima
id UNICAMP-30_0b9e8e7388fdef90462b2163d84e06bd
oai_identifier_str oai::1244619
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Sensor capacitivo multidimensional e aprendizado de máquina para determinação "sample-to-answer" de íons metálicosMultidimensional capacitive sensor and machine learning for sample-to-answer determination of metal ionSensores capacitivosMultidimensionalAprendizado de máquinaCapacitive sensorsMultidimensionalMachine learningOrientador: Renato Sousa LimaDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de QuímicaResumo: Os sensores multidimensionais são plataformas desenvolvidas para análises de múltiplos analitos. Esses sensores são inspirados nos sistemas gustativos e olfativos humanos para a detecção, identificação e discriminação de misturas complexas, respondendo a uma composição global (seletividade global) em vez de uma composição química específica. O funcionamento desses sistemas é baseado em respostas com alta variância (sensibilidade cruzada), o que nos permite classificar amostras estruturalmente e/ou quimicamente semelhantes entre si. No entanto, para se obter essas características, muitas vezes há a necessidade de etapas de síntese e/ou fabricação de várias sondas e medições sucessivas para cada uma dessas unidades prejudicam a miniaturização, escalabilidade, custo, consumo de amostras, simplicidade operacional, precisão e tempo de análise do dispositivo. Neste projeto, descrevemos um sensor eletroquímico microfluídico multidimensional que permite a discriminação de íons metálicos a partir de uma única medida e eletrodo comercial pronto para uso. Os métodos também permitiram a quantificação simultânea da concentração individual desses íons em misturas através de ensaios impedimétricos universais, sem o uso de receptores específicos ou técnicas de separação. O eletrodo de detecção consiste em capilares de aço inoxidável que definiram o circuito microfluídico e agiram como capacitores de dupla camada elétrica. Os dispositivos foram fabricados por uma técnica rápida e sem uso de sala limpa. Os eletrodos garantiram respostas diferenciais devido às interações heterogêneas com amostras e à natureza diversificada das respostas de capacitância (alta variância). Além disso, abordamos uma estratégia eficaz para melhorar ainda mais a capacidade de reconhecimento do sensor através da adsorção diferencial em sondas de bulk. Um exemplo é o caso dos nanotubos de carbono de paredes múltiplas oxidados, que forneceram adsorções eletrostáticas diferenciais de íons, aumentando, assim, a variância das respostas de capacitância conforme comprovado por PCA. A abordagem foi aplicada com sucesso na identificação de amostras de água mineral, lago e petróleo de acordo com a presença de íons metálicos. Usando métodos de machine learning supervisionados, ademais, o sensor garantiu a classificação e multideterminação reprodutível, sensível e precisa de dezenas de amostras de água do lago e petróleo enriquecidas com vários metais de acordo com os limites da Organização Mundial da Saúde (OMS) ou concentrações típicas desses íons. Esta abordagem, permitiu o desenvolvimento de uma plataforma sample-to-answer a partir do uso de um celular capaz de controlar um potenciostato portátil e realizar o tratamento de dados, nos fornecendo a concentração ou classificação da amostra em sua tela após poucos minutosAbstract: Multidimensional sensors are platforms developed for the analysis of multiple analytes. These sensors are inspired on human gustatory and olfactory systems for the detection, identification, and discrimination of complex mixtures, responding to a global composition rather than a specific chemical composition (global selectivity). These systems are based on high-variance responses (cross-sensitivity) that make it possible to classify samples with structure and/or chemical composition similar to each other. However, to obtain these characteristics, there is often a need for synthesis and/or manufacturing steps of several probes, and successive measurements for each of these units impair miniaturization, scalability, cost, sample consumption, operational simplicity, precision and time. device analysis. In this project, we describe a multidimensional microfluidic electrochemical sensor that allows the discrimination of metal ions from a single measurement and commercial probe. The method also provided the simultaneous quantification of the individual concentration of these ions in mixtures through universal impedimetric assays, without using specific receptors or separation techniques. The detection probe consists of stainless-steel capillaries, which defined the microfluidic circuit and acted as electrical double layer capacitors. The devices were prototyped using a green, fast, and cleanroom-free technique. The probes ensured differential responses due to their heterogeneous interactions with samples and the diversified nature of the capacitance responses (high variance). In addition, we address an effective strategy to further improve sensor recognition capability through differential adsorption on bulk probes. One example are the oxidized multi-walled carbon nanotubes, which provided differential electrostatic adsorptions of ions, thus increasing the variance of capacitance responses as evidenced by PCA. The approach has been successfully applied to identify mineral water, lake, and petroleum samples according to the presence of metal ions. Using supervised machine learning methods, the sensor further ensured reproducible, sensitive, and accurate classification and multi-determination of dozens of lake water and oil samples enriched with various metals according to limits established by the World Health Organization (WHO) or typical concentrations . This approach allowed the development of a sample-to-answer platform using a mobile phone capable of controlling a portable potentiostat and performing data processing and displaying the concentration or classification of the sample upon a few minutesMestradoQuímica AnalíticaMestra em Química[s.n.]Lima, Renato Sousa, 1984-Kubota, Lauro TatsuoPereira, Paulo Augusto RaymundoUniversidade Estadual de Campinas. Instituto de QuímicaPrograma de Pós-Graduação em QuímicaUNIVERSIDADE ESTADUAL DE CAMPINASSilva, Giulia Silva da, 1996-20222022-04-04T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online (61 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/4731SILVA, Giulia Silva da. Sensor capacitivo multidimensional e aprendizado de máquina para determinação "sample-to-answer" de íons metálicos. 2022. 1 recurso online (61 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Química, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/4731. Acesso em: 15 mai. 2024.https://repositorio.unicamp.br/acervo/detalhe/1244619Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2022-07-01T12:20:28Zoai::1244619Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2022-07-01T12:20:28Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Sensor capacitivo multidimensional e aprendizado de máquina para determinação "sample-to-answer" de íons metálicos
Multidimensional capacitive sensor and machine learning for sample-to-answer determination of metal ion
title Sensor capacitivo multidimensional e aprendizado de máquina para determinação "sample-to-answer" de íons metálicos
spellingShingle Sensor capacitivo multidimensional e aprendizado de máquina para determinação "sample-to-answer" de íons metálicos
Silva, Giulia Silva da, 1996-
Sensores capacitivos
Multidimensional
Aprendizado de máquina
Capacitive sensors
Multidimensional
Machine learning
title_short Sensor capacitivo multidimensional e aprendizado de máquina para determinação "sample-to-answer" de íons metálicos
title_full Sensor capacitivo multidimensional e aprendizado de máquina para determinação "sample-to-answer" de íons metálicos
title_fullStr Sensor capacitivo multidimensional e aprendizado de máquina para determinação "sample-to-answer" de íons metálicos
title_full_unstemmed Sensor capacitivo multidimensional e aprendizado de máquina para determinação "sample-to-answer" de íons metálicos
title_sort Sensor capacitivo multidimensional e aprendizado de máquina para determinação "sample-to-answer" de íons metálicos
author Silva, Giulia Silva da, 1996-
author_facet Silva, Giulia Silva da, 1996-
author_role author
dc.contributor.none.fl_str_mv Lima, Renato Sousa, 1984-
Kubota, Lauro Tatsuo
Pereira, Paulo Augusto Raymundo
Universidade Estadual de Campinas. Instituto de Química
Programa de Pós-Graduação em Química
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Silva, Giulia Silva da, 1996-
dc.subject.por.fl_str_mv Sensores capacitivos
Multidimensional
Aprendizado de máquina
Capacitive sensors
Multidimensional
Machine learning
topic Sensores capacitivos
Multidimensional
Aprendizado de máquina
Capacitive sensors
Multidimensional
Machine learning
description Orientador: Renato Sousa Lima
publishDate 2022
dc.date.none.fl_str_mv 2022
2022-04-04T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/4731
SILVA, Giulia Silva da. Sensor capacitivo multidimensional e aprendizado de máquina para determinação "sample-to-answer" de íons metálicos. 2022. 1 recurso online (61 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Química, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/4731. Acesso em: 15 mai. 2024.
url https://hdl.handle.net/20.500.12733/4731
identifier_str_mv SILVA, Giulia Silva da. Sensor capacitivo multidimensional e aprendizado de máquina para determinação "sample-to-answer" de íons metálicos. 2022. 1 recurso online (61 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Química, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/4731. Acesso em: 15 mai. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1244619
Requisitos do sistema: Software para leitura de arquivo em PDF
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online (61 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1799138571101143040

Registros relacionados