MétaCan
Menu
Retour à la cohorte
Enregistrement W2611590803 · doi:10.1002/cjce.22886

Direct electrochemical regeneration of enzymatic cofactor 1,4‐NADH on a cathode composed of multi‐walled carbon nanotubes decorated with nickel nanoparticles

2017· article· en· W2611590803 sur OpenAlexaffvenue
Nehar Ullah, Mark A. McArthur, Sylvain Coulombe, Sasha Omanovic

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrochemical sensors and biosensors
Établissements canadiensMcGill University
Organismes subventionnairesUniversity of Engineering and Technology, PeshawarUniversity of Engineering and Technology, Lahore
Mots-clésElectrochemistryCarbon nanotubeMaterials scienceNickelCathodeNAD+ kinaseNanoparticleElectrodeChemical engineeringCofactorHydrogenInorganic chemistryNuclear chemistryChemistryNanotechnologyEnzymeOrganic chemistryMetallurgyPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Multi‐walled carbon nanotubes (MWCNTs) were grown on a stainless steel mesh and decorated with nickel nanoparticles (Ni NPs). The developed Ni NP‐MWCNT material was then used as a cathode in an electrochemical batch reactor to electrocatalytically convert NAD+ to enzymatically‐active 1,4‐NADH. The regeneration of 1,4‐NADH was studied at various electrode potentials. At electrode potential of −1.6 V, a very high recovery (relative amount of 1,4‐NADH in the product mixture) was obtained, 98 ± 1 %. In comparison, to achieve the same recovery on a non‐decorated MWCNT cathode, a much higher cathodic potential was needed (−2.3 V), establishing the importance of Ni NPs on the electrocatalytic activity in reducing NAD+ to 1,4‐NADH. It was postulated that hydrogen adsorbs on Ni NPs immobilized on MWCNTs to form Ni‐Hads, and this activated hydrogen rapidly reacts with neighbouring NAD‐radicals, preventing the dimerization of the latter species, ultimately yielding 1,4‐NADH.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,193
Écart entre enseignants0,182 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetElectrochemical sensors and biosensorsTravaux en français237 207