Iron oxide nanozyme catalyzed synthesis of fluorescent polydopamine for light-up Zn<sup>2+</sup>detection
Notice bibliographique
Résumé
Fluorescent polydopamine (FPD) is an interesting material with excellent biocompatibility. However, its preparation is currently a lengthy and potentially dangerous process. We herein employ magnetic iron oxide (Fe3O4) nanoparticles as a peroxidase-mimicking nanozyme to produce FPD under mild conditions. Different from previous protocols using multiple steps with up to 6% (∼2 M) H2O2, this preparation takes place in a single step with just 5 mM H2O2 at room temperature. The oxidized product shows excitation-wavelength-dependent emission peaks, similar to previous reports. The reaction kinetics, pH, temperature, and ionic strength are individually optimized. Among a diverse range of other nanomaterials tested, including Fe2O3, CeO2, CoO, Co3O4, NiO, TiO2, gold nanoparticles, and graphene oxide, Fe2O3 and graphene oxide yielded relatively weak emission, while the rest of the materials failed to produce FPD. The Fe3O4 nanoparticles retained ∼90% catalytic activity even after ten cycles of synthesis. Finally, Zn(2+) can enhance the fluorescence of FPD under 360 nm excitation but not under 480 nm excitation, leading to a sensitive light-up sensor with a detection limit of 60 nM Zn(2+). Therefore, this work has demonstrated not only a novel use of nanozymes, but also an interesting application of FPD.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| 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) | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».