Sophie Brenet

Sophie Brenet

Auto-generated profile, based on publicly available information

Sophie Brenet

Uni. Grenoble Alpes, CEA, CNRS, INAC-SyMMES, 17 Rue des Martyrs, 38000 Grenoble, France

Research Focus & Metrics

Academic Career Length

11Years (2016-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
12 May 2016 in Chemistry of Materials
Verified
Journal Article
Closed access
MGMagatte N. Gueye
Magatte N. Gueye
ACAlexandre Carella
Alexandre Carella
NMNicolas Massonnet
Nicolas Massonnet
EYEtienne Yvenou
Etienne Yvenou
SBSophie Brenet
Sophie Brenet
JSJean-Pierre Simonato
Jean-Pierre Simonato

19 July 2018 in Analytical Chemistry
Verified
Journal Article
Closed access
SBSophie Brenet
Sophie Brenet
AJAurelian John-Herpin
Aurelian John-Herpin
FGFrançois-Xavier Gallat
François-Xavier Gallat
BMBenjamin Musnier
Benjamin Musnier
Arnaud BuhotArnaud Buhot
Arnaud Buhot
Yanxia HOUYanxia HOU
Yanxia HOU

1 January 2019 in Biosensors and Bioelectronics
Verified
Journal Article
Closed access
CHCharlotte Hurot
Charlotte Hurot
SBSophie Brenet
Sophie Brenet
Arnaud BuhotArnaud Buhot
Arnaud Buhot
EBEmilie Barou
Emilie Barou
CBChristine Belloir
Christine Belloir
Yanxia HOUYanxia HOU
Yanxia HOU

27 September 2017 in The Journal of Physical Chemistry B
Verified
Journal Article
Closed access
ABAgathe Belime
Agathe Belime
Edmond GRAVELEdmond GRAVEL
Edmond GRAVEL
SBSophie Brenet
Sophie Brenet
SASarah Ancelet
Sarah Ancelet
CCCharlotte Caneiro
Charlotte Caneiro
WLWai Li Ling
Wai Li Ling

1 May 2017
Verified
Conference Paper
Closed access
SBSophie Brenet
Sophie Brenet
AJAurelian John-Herpin
Aurelian John-Herpin
FGFrancois-Xavier Gallat
Francois-Xavier Gallat
Arnaud BuhotArnaud Buhot
Arnaud Buhot
TLThierry Livache
Thierry Livache
Yanxia HOUYanxia HOU
Yanxia HOU
A novel multiplexed optoelectronic nose (opto-eN) has been developed based on an array of cross-reactive receptors and an optical detection system using surface plasmon resonance imaging. It is able to detect and analyze volatile organic compounds (VOCs) in the gas phase with a good sensitivity and selectivity. Based on pattern recognition, such an opto-eN is able to discern not only VOCs of different chemical families but also among the same family. Furthermore, after optimization, the system is very stable and reusable over at least three months with a good repeatability and reproducibility. Thus, this opto-eN is very promising for further analyses of more complex VOC mixtures with great potential for a wide range of applications.

3 April 2026
Verified
Thesis
Closed access
SBSophie Brenet
Sophie Brenet
Les nez électroniques sont aujourd’hui des candidats prometteurs pour une analyse sur le terrain et à bas coût d’échantillons de composés organiques volatils (COV). Cependant, ces techniques ont encore certaines limitations. L’utilisation d’un nombre restreint de récepteurs empêche une différenciation sélective des COV. Un manque de fiabilité causé par des pollutions des récepteurs freine leur utilisation pour de nombreuses applications. Dans ce contexte, un nez électronique basé sur l’imagerie de résonance de plasmons de surface (SPRI) est développé pour la détection de COV en phase gazeuse. Ce système est doté d’un large réseau de récepteurs constitués par autoassemblage de molécules organiques et de peptides. La transduction optique par SPRI offre un suivi en parallèle d’un grand nombre d’interactions, et ce en temps réel. L’objectif est d’assurer la meilleure résolution chimique possible pour différencier de manière fiable les COV. Dans ce but, différentes stratégies sont explorées pour améliorer la sensibilité, la sélectivité ainsi que la stabilité des mesures. Grâce à ces optimisations, notre système présente une sélectivité élevée pour un grand nombre de COV. Les COV sont différenciés en fonction de leur nature chimique et de leur structure. Une bonne répétabilité et une stabilité d’au moins deux mois sont obtenues. De premiers tests montrent que notre instrument est également efficace pour l’analyse d’échantillons plus complexes.