MétaCan
Menu
Retour à la cohorte
Enregistrement W2940942398 · doi:10.1038/s41467-019-09881-9

Porous metal-metalloporphyrin gel as catalytic binding pocket for highly efficient synergistic catalysis

2019· article· en· W2940942398 sur OpenAlexaff
Weijie Zhang, James J. Dynes, Yongfeng Hu, Pingping Jiang, Shengqian Ma

Notice bibliographique

RevueNature Communications · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSupramolecular Self-Assembly in Materials
Établissements canadiensCanadian Light Source (Canada)
Organismes subventionnairesDivision of Materials ResearchHigher Education Discipline Innovation ProjectMinistry of Education, IndiaJiangnan UniversityNational Science Foundation
Mots-clésCatalysisSupramolecular chemistryPorphyrinCooperativityChemistrySupramolecular catalysisMetal-organic frameworkMaterials scienceCombinatorial chemistryNanotechnologyPhotochemistryOrganic chemistryMolecule

Résumé

récupéré en direct d'OpenAlex

Synergistic catalysis occurring in an enzyme pocket shows enhanced performance through supramolecular recognition and flexibility. This study presents an aerogel capable of similar function by fabricating a gel catalyst with hierarchical porosity. Here, the as-prepared Co-MMPG, a Co(II) metal-metalloporphyrin gel, maintains enough conformational flexibility and features a binding pocket formed from the co-facial arrangement of the porphyrin rings, as elucidated through the combined studies of solid-state NMR and X-ray absorption near-edge structure (XANES). The cooperativity between two Co(II) sites within the defined nanospace pocket facilitates the binding of different substrates with a favourable geometry thereby rendering Co-MMPG with excellent performance in the context of synergistic catalysis, especially for the kinetic control stereoselective reactions. Our work thus contributes a different enzyme-mimic design strategy to develop a highly efficient heterogeneous catalyst with high chemo/stereo selectivity.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,018
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0030,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,003

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 Opus0,014
Tête enseignante GPT0,292
Écart entre enseignants0,278 · 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.

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

Citations57
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetSupramolecular Self-Assembly in MaterialsTravaux en français237 207