| dc.contributor.author | Петрук, В. Г. | uk |
| dc.contributor.author | Кватернюк, С. М. | uk |
| dc.contributor.author | Латуша, Д. Р. | uk |
| dc.contributor.author | Максименко, М. П. | uk |
| dc.contributor.author | Гавадза, С. В. | uk |
| dc.contributor.author | Petruk, V. G. | en |
| dc.contributor.author | Kvaterniuk, S. M. | en |
| dc.contributor.author | Latusha, D. R. | en |
| dc.contributor.author | Maksymenko, M. P. | en |
| dc.contributor.author | Gavadza, S. V. | en |
| dc.date.accessioned | 2026-03-27T09:23:23Z | |
| dc.date.available | 2026-03-27T09:23:23Z | |
| dc.date.issued | 2026 | |
| dc.identifier.citation | Петрук В. Г., Кватернюк С. М., Латуша Д. Р., Максименко М. П., Гавадза С. В. Селективні біосенсори на основі графену в екологічному моніторингу // Вісник Вінницького політехнічного інституту. 2026. № 1. С. 7-16. URI: https://visnyk.vntu.edu.ua/index.php/visnyk/article/view/3395. | uk |
| dc.identifier.issn | 1997-9274 | |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/51004 | |
| dc.description.abstract | Проведено комплексний аналіз фізико-хімічних властивостей різних форм графену (CVD-графен, GO,
rGO, LIG), механізмів трансдукції та стратегій функціоналізації поверхні (зокрема, за допомогою ДНКаптамерів). Застосовано методи математичного моделювання для аналізу роботи GFET-біосенсора.
Розрахунки базуються на рівнянні Дірака для безмасових ферміонів, дрейфово-дифузійній моделі провідності, ізотермі Хілла-Ленгмюра та враховують вплив квантової ємності графену. Систематизовано
аналітичні характеристики графенових сенсорів для виявлення важких металів, пестицидів та патогенів. Розроблена математична модель GFET дозволила кількісно оцінити вплив екранування Дебая на чутливість пристрою в рідких середовищах. Встановлено, що для уникнення втрати сигналу довжина рецепторного шару (аптамера) повинна становити 2...3 нм, а іонна сила розчину не має перевищувати
10 мМ. Визначено оптимальне вікно стабільності сенсора (pH 6,0...6,2), що запобігає денатурації аптамера та гідролізу іонів металу. Моделювання підтвердило можливість досягнення межі виявлення (LOD)
на рівні 0,1 нМ, а розрахований коефіцієнт селективності доводить високу специфічність сенсора до іонів
свинцю навіть у присутності фонових електролітів. Обґрунтовано перспективність використання графенових біосенсорів як альтернативи традиційним аналітичним методам. Показано, що інтеграція масивів GFET з технологіями Інтернету речей (IoT) та алгоритмами штучного інтелекту (нейронні мережі, глибоке навчання) дозволяє створити високоефективні системи для безперервного екологічного
моніторингу якості водних ресурсів та атмосферного повітря в режимі реального часу. | uk |
| dc.description.abstract | The paper provides a comprehensive review of the physicochemical properties of various graphene forms (CVD graphene, GO, rGO, LIG), transduction mechanisms, and surface functionalization strategies, specifically focusing on DNA aptamers. Mathematical modeling methods were employed to analyze the performance of a graphene field-effect transistor (GFET) biosensor. The calculations are based on the Dirac equation for massless fermions, the drift-diffusion model of conductivity, and the Hill-Langmuir isotherm, accounting for the effects of graphene’s quantum capacitance. Analytical characteristics of graphene-based sensors for the detection of heavy metals, pesticides, and pathogens are systematized. The developed GFET mathematical model enabled a quantitative assessment of the Debye screening effect on device sensitivity in liquid media. It was established that to prevent signal loss, the receptor layer (aptamer) length should be 2...3 nm, while the solution ionic strength must not exceed 10 mM. An optimal stability window (pH 6.0...6.2) was identified to prevent aptamer denaturation and metal ion hydrolysis. Modeling results confirmed a potential limit of detection (LOD) within the range of 1.5...2.0 nM, and the calculated ivity coefficient demonstrates high sensor specificity for lead ions even in the presence of background electrolytes. The findings substantiate the prospects of graphene biosensors as an alternative to conventional analytical methods. It is shown that integrating GFET arrays with Internet of Things (IoT) technologies and artificial intelligence algorithms (neural networks, deep learning) facilitates the development of high-performance systems for continuous, real-time environmental monitoring of water quality and ambient air.Проведено комплексний аналіз фізико-хімічних властивостей різних форм графену (CVD-графен, GO, rGO, LIG), механізмів трансдукції та стратегій функціоналізації поверхні (зокрема, за допомогою ДНК-аптамерів). Застосовано методи математичного моделювання для аналізу роботи GFET-біосенсора. Розрахунки базуються на рівнянні Дірака для безмасових ферміонів, дрейфово-дифузійній моделі провідності, ізотермі Хілла-Ленгмюра та враховують вплив квантової ємності графену. Систематизовано аналітичні характеристики графенових сенсорів для виявлення важких металів, пестицидів та патогенів. Розроблена математична модель GFET дозволила кількісно оцінити вплив екранування Дебая на чутливість пристрою в рідких середовищах. Встановлено, що для уникнення втрати сигналу довжина рецепторного шару (аптамера) повинна становити 2...3 нм, а іонна сила розчину не має перевищувати 10 мМ. Визначено оптимальне вікно стабільності сенсора (pH 6,0...6,2), що запобігає денатурації аптамера та гідролізу іонів металу. Моделювання підтвердило можливість досягнення межі виявлення (LOD) на рівні 0,1 нМ, а розрахований коефіцієнт селективності доводить високу специфічність сенсора до іонів свинцю навіть у присутності фонових електролітів. Обґрунтовано перспективність використання графенових біосенсорів як альтернативи традиційним аналітичним методам. Показано, що інтеграція масивів GFET з технологіями Інтернету речей (IoT) та алгоритмами штучного інтелекту (нейронні мережі, глибоке навчання) дозволяє створити високоефективні системи для безперервного екологічного моніторингу якості водних ресурсів та атмосферного повітря в режимі реального часу. | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | Вісник Вінницького політехнічного інституту. № 1 : 7-16. | uk |
| dc.relation.uri | https://visnyk.vntu.edu.ua/index.php/visnyk/article/view/3395 | |
| dc.subject | графен | uk |
| dc.subject | селективний біосенсор | uk |
| dc.subject | екологічний моніторинг | uk |
| dc.subject | важкі метали | uk |
| dc.subject | математичне моделювання | uk |
| dc.subject | graphene | en |
| dc.subject | ive biosensor | en |
| dc.subject | environmental monitoring | en |
| dc.subject | heavy metals | en |
| dc.subject | mathematical modeling | en |
| dc.title | Селективні біосенсори на основі графену в екологічному моніторингу | uk |
| dc.title.alternative | Selective Graphene-Based Biosensors in Environmental Monitoring | en |
| dc.type | Article, professional native edition | |
| dc.type | Article | |
| dc.identifier.udc | 504.064.36:681.586 | |
| dc.relation.references | A. M. Teli, S. M. Mane, S. A. Beknalkar, R. K. Mishra, W. Jeon, and J. C. Shin, “Graphene-Based Gas Sensors: Stateof-the-Art Developments for Gas Sensing Applications,” Micromachines, vol. 16, no. 8, p. 916, Aug. 2025.
https://doi.org/10.3390/mi16080916 . | en |
| dc.relation.references | M. A. Zafar, D. Waligo, O. K. Varghese, and M. V. Jacob, “Advances in graphene-based electrochemical biosensors for
on-site pesticide detection,” Front. Carbon, vol. 2, pp. 1325970, Nov. 2023. https://doi.org/10.3389/frcrb.2023.1325970 . | en |
| dc.relation.references | Y.-T. Wang, et al., “A comprehensive review of graphene-based biosensors: Fabrication, applications, characterization and
future perspectives — A review,” APL Bioengineering, vol. 9, no. 3, pp. 031504, Sep. 2025, https://doi.org/10.1063/5.0266596 . | en |
| dc.relation.references | C.-W. Huang, C. Lin, M. K. Nguyen, A. Hussain, X.-T. Bui, and H. H. Ngo, “A review of biosensors for environmental
monitoring: principle, application, and corresponding achievement of sustainable development goals,” Bioengineered, vol. 14,
no. 1, pp. 58-80, Dec. 2023. https://doi.org/10.1080/21655979.2022.2095089 . | en |
| dc.relation.references | O. Moldovan, B. Iñiguez, M. J. Deen, and L. F. Marsal, “Graphene electronic sensors – review of recent developments and
future challenges,” IET Circuits, Devices & Syst, vol. 9, no. 6, pp. 446-453, Nov. 2015., https://doi.org/10.1049/iet-cds.2015.0259 . | en |
| dc.relation.references | N. Alzate-Carvajal, and A. Luican-Mayer, “Functionalized Graphene Surfaces for Selective Gas Sensing,” ACS Omega,
vol. 5, no. 34, pp. 21320-21329, Sep. 2020. https://doi.org/10.1021/acsomega.0c02861 . | en |
| dc.relation.references | R. Pereira, et al., “Cost-Effective Fabrication of Laser-Induced Graphene Electrochemical Cell for NADH Detection,” ACS
Omega, vol. 10, no. 41, pp. 48100-48110, Oct. 2025. https://doi.org/10.1021/acsomega.5c04282 . | en |
| dc.relation.references | H. Kitadai, M. Yuan, Y. Ma, and X. Ling, “Graphene-Based Environmental Sensors: Electrical and Optical Devices,”
Molecules, vol. 26, no. 8, p. 2165, Apr. 2021. https://doi.org/10.3390/molecules26082165 . | en |
| dc.relation.references | M. Saqib, et al., “Electrochemical Detection of Heavy Metals Using Graphene-Based Sensors: Advances, MetaAnalysis, Toxicity, and Sustainable Development Challenges,” Biosensors, vol. 15, no. 8, p. 505, Aug. 2025.
https://doi.org/10.3390/bios15080505 . | en |
| dc.relation.references | M. Akbari, M. J. Shahbazzadeh, L. La Spada, and A. Khajehzadeh, “The Graphene Field Effect Transistor Modeling
Based on an Optimized Ambipolar Virtual Source Model for DNA Detection,” Applied Sciences, vol. 11, no. 17, p. 8114, Aug.
2021. https://doi.org/10.3390/app11178114 . | en |
| dc.relation.references | J. P. Ramoso, M. Rasekh, and W. Balachandran, “Graphene-Based Biosensors: Enabling the Next Generation of Diagnostic Technologies — A Review,” Biosensors, vol. 15, no. 9, p. 586, Sep. 2025. https://doi.org/10.3390/bios15090586 . | en |
| dc.relation.references | G. Song, H. Han, and Z. Ma, “Anti-Fouling Strategies of Electrochemical Sensors for Tumor Markers,” Sensors, vol. 23,
no. 11, p. 5202, May 2023. https://doi.org/10.3390/s23115202 . | en |
| dc.relation.references | V. G. Petruk, et al., “Analysis of the Promising Thin Film Materials for Graphene — Based Solar Panels in Decarbonization and Circular Economy Processes,” Visnyk of Vinnytsia Politechnical Institute, vol. 182, no. 5, pp. 17-24, 2025.
https://doi.org/10.31649/1997-9266-2025-182-5-17-24 . | en |
| dc.relation.references | S. Wei, Y. Dou, S. Song, and T. Li, “Functionalized-Graphene Field Effect Transistor-Based Biosensor for Ultrasensitive
and Label-Free Detection of β-Galactosidase Produced by Escherichia coli,” Biosensors, vol. 13, no. 10, p. 925, Oct. 2023.
https://doi.org/10.3390/bios13100925 . | en |
| dc.relation.references | D. M. Goodwin, M. Carta, M. M. Ali, D. Gillard, and O. J. Guy, “Enhanced Nitrogen Dioxide Detection Using Resistive
Graphene-Based Electronic Sensors Modified with Polymers of Intrinsic Microporosity,” ACS Sens., vol. 10, no. 2, pp. 1378-1386,
Feb. 2025. https://doi.org/10.1021/acssensors.4c03291 . | en |
| dc.relation.references | M. Khan, K. Indykiewicz, P. Tam, and A. Yurgens, “High Mobility Graphene on EVA/PET,” Nanomaterials, vol. 12,
no. 3, p. 331, Jan. 2022. https://doi.org/10.3390/nano12030331 . | en |
| dc.relation.references | K. Aran, B. Goldsmith, and M. Moarefian, “Applications of Graphene Field Effect Biosensors for Biological Sensing,” in
Trends in Biosensing Research: Advances, Challenges and Applications, F. Lisdat and N. Plumeré, Eds., Cham: Springer International Publishing, 2024, pp. 37-70. https://doi.org/10.1007/10_2024_252 . | en |
| dc.relation.references | J. Li, P. H. Q. Pham, W. Zhou, T. D. Pham, and P. J. Burke, “Carbon-Nanotube–Electrolyte Interface: Quantum and Electric
Double Layer Capacitance,” ACS Nano, vol. 12, no. 10, pp. 9763-9774, Oct. 2018. https://doi.org/10.1021/acsnano.8b01427 . | en |
| dc.relation.references | Y. Dong, A. Lee, D. K. Ban, K. Wang, and P. Bandaru, “Femtomolar Level-Specific Detection of Lead Ions in Aqueous
Environments, Using Aptamer-Derivatized Graphene Field-Effect Transistors,” ACS Appl. Nano Mater., vol. 6, no. 3, pp. 2228-
2235, Feb. 2023. https://doi.org/10.1021/acsanm.2c05542 . | en |
| dc.relation.references | S. Mukherjee, et al., “A Graphene and Aptamer Based Liquid Gated FET-Like Electrochemical Biosensor to Detect Adenosine
Triphosphate,” IEEE Trans. on Nanobioscience, vol. 14, no. 8, pp. 967-972, Dec. 2015. https://doi.org/10.1109/TNB.2015.2501364 . | en |
| dc.relation.references | X. Wang, Z. Hao, T. R. Olsen, W. Zhang, and Q. Lin, “Measurements of aptamer–protein binding kinetics using graphene
field-effect transistors,” Nanoscale, vol. 11, no. 26, pp. 12573-12581, 2019. https://doi.org/10.1039/C9NR02797A . | en |
| dc.relation.references | R. J. S. Banicod, N. Tabassum, D.-M. Jo, A. Javaid, Y.-M. Kim, and F. Khan, “Integration of Artificial Intelligence in
Biosensors for Enhanced Detection of Foodborne Pathogens,” Biosensors, vol. 15, no. 10, p. 690, Oct. 2025.
https://doi.org/10.3390/bios15100690 . | en |
| dc.relation.references | M. A. Hussain, “Integrating environmental sensors and IoT for real-time detection of heavy metal pollutants in aquatic
ecosystems,” IJAM, vol. 38, no. 5, pp. 1428-1445, Nov. 2025. https://doi.org/10.12732/ijam.v38i5.1339 . | en |
| dc.relation.references | J. Parthasarathy, S. S. Kumar, and J. Sundararajan, “AI-driven graphene-based electrochemical sensors for predictive detection
of heavy metals in wastewater,” Microchemical Journal, vol. 221, p. 116839, Feb. 2026. https://doi.org/10.1016/j.microc.2026.116839 . | en |
| dc.relation.references | B. G. Chansi, M. Mir Wani, and T. Basu, “AI-Assisted Biosensors for Environmental Pollutant Monitoring,” in Biosensors for Environmental Analysis and Monitoring, Kiran, Ed., Cham: Springer Nature Switzerland, 2026, pp. 113-151.
https://doi.org/10.1007/978-3-032-09430-8_5 . | en |
| dc.identifier.doi | https://doi.org/10.31649/1997-9266-2026-184-1-7-16 | |
