Natural Organic Matter Concentration and Hydrochemistry Influence Aggregation Kinetics of Functionalized Engineered Nanoparticles
Notice bibliographique
Résumé
Understanding the colloidal stability of functionalized engineered nanoparticles (FENPs) in aquatic environments is of paramount importance in order to assess the risk related to FENPs. In this study, gold nanoparticles (GNPs) of 68 and 43 nm diameter, coated with citrate and 11-mercaptoundecanoic acid (MUA) respectively, were used as models of FENPs. Time-resolved dynamic light scattering was employed to investigate the aggregation kinetics of two types of GNPs. The results show that without Suwannee river natural organic matter (SRNOM), MUA coating resulted in greater stability than citrate coating for GNPs. Cations have a destabilizing effect on both GNPs following the order Ca(2+) ≈ Mg(2+) >> Na(+); different anions (Cl(-) and SO4(2-)) showed no difference in effects. In the fast aggregation regime, adding SRNOM enhanced the stability of MUA-coated GNPs in both Ca(2+) and Mg(2+) solutions. However citrate-coated GNPs were only stabilized in Mg(2+) solution but enhanced aggregation occurred in high Ca(2+) concentration due to interparticle bridging. For the investigated GNPs and in the presence of SRNOM, Ca(2+) does not always act as a strong coagulant. This indicates that for the new materials emerging from the application of nanotechnology the well-described aggregation mechanisms of colloids in the environment require a detailed re-examination.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».