MESSAI.iO
Plattform
  • Atlas
  • Research Intelligence
  • Ihr Reproduzierbarkeitsbericht
  • Wissensgraph
  • Protokollgraph
  • Parameterkatalog
  • Mikrobenkatalog
  • Metaanalyse
  • Hunter
  • Erkenntnisse
  • Manuskriptprüfung
Labor
  • 3D-Labor
  • Modellkatalog
  • MESS Explorer
  • Parameterstudie
  • Vorhersagen
  • Experimente
  • Virtueller Sensor
  • Methodik
Anwendungsfälle
  • Für Forschende
  • Für Unternehmen
  • Für Institutionen
Wissen
  • Die Wissenschaft
  • Handbuch
  • Whitepaper
Über uns

Sprache

  • Englishen
  • Deutschde

Plattform

  • Atlas
  • Research Intelligence
  • Ihr Reproduzierbarkeitsbericht
  • Wissensgraph
  • Protokollgraph
  • Parameterkatalog
  • Mikrobenkatalog
  • Metaanalyse
  • Hunter
  • Erkenntnisse
  • Manuskriptprüfung

Labor

  • 3D-Labor
  • Modellkatalog
  • MESS Explorer
  • Parameterstudie
  • Vorhersagen
  • Experimente
  • Virtueller Sensor
  • Demo: Ressourcenrückgewinnung

Unternehmen

  • Über uns
  • Für Forschende
  • Für Unternehmen
  • Für Institutionen
  • Whitepaper
  • Handbuch
  • API-Dokumentation

Rechtliches

  • Datenschutz
  • Nutzungsbedingungen
  • Nachweise
  • Kontakt

MESSAI · KI für mikrobielle elektrochemische Systeme · © 2026

Jede Zahl auf dieser Website führt auf eine Quelldatei zurück – /proof

Forschungsdaten – Titel und Zusammenfassungen von Publikationen, extrahierte Daten und Katalogeinträge – erscheinen in ihrer Originalsprache Englisch.

← Zurück zur Forschung

Simultaneous Bioelectrochemical Detection of Nitrate and Nitrite with a Whole-Cell Hydrogel Electrode.

Analytical chemistry·2025·doi.org/40622172
KI-angereichert· 75 %

KI-Zusammenfassung

75 % Konfidenz

This study presents a novel bioelectrochemical sensor using self-assembled hydrogel bioelectrodes with reduced graphene oxide and genetically engineered Shewanella species for simultaneous detection of nitrate and nitrite. The sensor achieves sensitive and quantitative responses to both nitrite and nitrate, with a high sensitivity and low limit of detection. The whole-cell biohydrogel based sensor also exhibits excellent anti-interference and long-term storability, making it suitable for plug-and-play applications.

Erstellt von der MESSAI-Extraktionspipeline · mit dem Quell-PDF abgleichen

Extraktion

Berichtete Parameter

Noch keine extrahierten Parameter – fordern Sie eine KI-Extraktion an, um diese Publikation mit den Literaturverteilungen zu vergleichen.

Dieser Publikation ist noch kein 3D-Modell zugeordnet. Die Parameterbereiche oben ordnen die berichteten Werte trotzdem in die Literaturverteilung ein.

Zusammenfassung

Bioelectrochemical sensors (BES) are promising to specifically detect nitrate or nitrite but never realize simultaneous detection in a single system. In this study, a novel biosensor using self-assembled hydrogel bioelectrodes with reduced graphene oxide (rGO) and genetically engineered electroactive Shewanella species was designed for the simultaneous detection of nitrate and nitrite. The highly conductive rGO rendered a drastically improved reverse electron transfer from the electrode to Shewanella , which achieved a sensitive and quantitative response to nitrite/nitrate. Meanwhile, the genetically engineered Shewanella enabled efficient differentiation of nitrate and nitrite detection in a single system (a sensitivity of 883.48 μA mM -1 cm -2 to nitrate with a limit of detection of 0.92 μM and a sensitivity of 888.48 μA mM -1 cm -2 to nitrite with a limit of detection of 0.72 μM). The whole-cell biohydrogel based BES also showed excellent anti-interference and long-term storability for plug-and-play application. Based on these properties, this work demonstrated the power of genetically engineered electroactive bacteria in rGO biohydrogel for dual-analyte detection and also provided a new strategy for developing high-performance whole-cell BES for practical environmental monitoring.

Kennungen

DOI
40622172
PubMed
40622172
Zeitschrift
Analytical chemistry
Jahr
2025
Extraktion

Berichtete Parameter

Noch keine extrahierten Parameter – fordern Sie eine KI-Extraktion an, um diese Publikation mit den Literaturverteilungen zu vergleichen.

Dieser Publikation ist noch kein 3D-Modell zugeordnet. Die Parameterbereiche oben ordnen die berichteten Werte trotzdem in die Literaturverteilung ein.