MétaCan
Menu
Retour à la cohorte
Enregistrement W2763867052 · doi:10.1139/cjc-2017-0239

Carbon dot doped silica nanoparticles as fluorescent probe for determination of bromate in drinking water samples

2017· article· en· W2763867052 sur OpenAlexvenueno aff
Guoqiang Xiang, Huanhuan Fan, Heng Zhang, Lijun He, Xiuming Jiang, Wenjie Zhao

Notice bibliographique

RevueCanadian Journal of Chemistry · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon and Quantum Dots Applications
Établissements canadiensnon disponible
Organismes subventionnairesScience and Technology Innovation Talents in Universities of Henan ProvinceHenan UniversityHenan University of TechnologyNational Natural Science Foundation of ChinaU.S. Environmental Protection Agency
Mots-clésBromateChemistryDetection limitNanoparticlePyrolysisFluorescenceLinear rangeCarbon fibersInorganic chemistryAnalytical Chemistry (journal)Nuclear chemistryChromatographyNanotechnologyMaterials scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

A simple and effective strategy for designing a fluorescent probe for bromate was described in this work. Organosilane modified carbon dots were prepared by pyrolysis of citric acid in N-(β-aminoethyl)-γ-aminopropyl methyldimethoxysilane solvent at 230 °C and further doped onto silica nanoparticles by a silylation reaction. The fluorescence of carbon dot doped silica nanoparticles was quenched by bromate in acidic medium. By utilizing this property, the nanoparticle could be used as a sensor to detect bromate. The parameters affecting the performance of the sensor probe such as types of acid medium, acid concentration, reaction temperature, and time were investigated and optimized. The detection limit of the sensor was found to be 1.1 ng mL −1 , with a linear range from 8 to 400 ng mL −1 and relative standard deviation of 2.0% (150 ng mL −1 , n = 9). The method was successfully applied to the determination of bromate in drinking water samples, and the recoveries were in the range of 96.3%–103.7%.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,005
Score d'incertitude au seuil0,536

Scores Codex et Gemma par catégorie

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,021
Tête enseignante GPT0,261
Écart entre enseignants0,240 · 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 tête enseignante, 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

Citations8
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of ChemistryMême sujetCarbon and Quantum Dots ApplicationsTravaux en français237 207