Estudo e desenvolvimento de sensores e dispositivos utilizando nanoestruturas alotrópicas de carbono

• Ano de defesa: 2018
• Autor(a) principal: Silva, Guilherme de Oliveira
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Carbon nanotubes; Grafeno; Graphene; nanotubos de carbono; sensores.; Sensors.
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/59/59135/tde-19022019-114903/

Um desafio central na área das ciências da saúde e biomédica tem sido o desenvolvimento de testes clínicos embasados em novas tecnologias que resultem em medidas precisas, com resultados consistentes mais rápidos que os convencionais, e ao menor custo possível. Os esforços atuais têm se concentrado em integrar a análise de materiais biológicos a componentes de circuitos integrados compatíveis com a indústria de semicondutores existente. Nesse contexto, esse trabalho apresenta duas contribuições a partir do uso de materiais nanoestruturados alótropos do carbono. Primeiramente, demonstramos como o desempenho de um sensor de pH embasado na tecnologia EGFET (Extended Gate Field Effect Transistor) pode ser controlado com a incorporação de grafenos, com diferentes graus de funcionalização, a eletrodos de FTO (Fluorine doped Tin Oxide). Os eletrodos de FTO foram modificados através da deposição dos materiais nanoestruturados de carbono via eletroforese. O desempenho dessas amostras como sensor de íons H+ mostrou dependência quanto ao tempo de deposição e composição tampão utilizado, tendo seu desempenho aumentado em até 24%, atingindo uma sensibilidade máxima de 67 mVopH-1 para tampão fosfato. A segunda contribuição desse trabalho trata-se da combinação das informações obtidas com um arranjo de dispositivos de NTFETs (Nanotubes Field Effect Transitors) decorados com nanopartículas metálicas e análise de discriminantes lineares, empregados na classificação de diferentes populações celulares. O método proposto foi capaz de identificar e classificar corretamente entre as linhagens de células cancerígenas B16 (melanoma), 3LL (carcinoma) e 3L4 (linfoma), além de distingui-las corretamente de suas contrapartes saudáveis. Adicionalmente, utilizamos esse conjunto de dados para classificar uma população celular desconhecida, demonstrando uma possível utilidade clínica da metodologia desenvolvida.