MétaCan
Menu
Retour à la cohorte
Enregistrement W2964446415 · doi:10.1021/acssuschemeng.9b01928

“Cellulose Spacer” Strategy: Anti-Aggregation-Caused Quenching Membrane for Mercury Ion Detection and Removal

2019· article· en· W2964446415 sur OpenAlexaff
Meng Li, Xuefei An, Mingyue Jiang, Shujun Li, Shouxin Liu, Zhijun Chen, Huining Xiao

Notice bibliographique

RevueACS Sustainable Chemistry & Engineering · 2019
Typearticle
Langueen
DomaineChemistry
ThématiqueMolecular Sensors and Ion Detection
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesNatural Science Foundation of Hebei ProvinceMinistry of Education of the People's Republic of ChinaNational Natural Science Foundation of ChinaChina Association for Science and Technology
Mots-clésMembraneCelluloseNanocelluloseFluorescenceChemistryStackingQuenching (fluorescence)Chemical engineeringAdsorptionOrganic chemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

A membrane decorated with fluorescent dyes has a great potential in detection and removal of contaminant from wastewater. However, traditional fluorescent dyes suffer from the aggregation-caused quenching effect, which could compromise their sensing efficiency. Here, a new “cellulose spacer” strategy is developed to conquer this challenge. Specifically, the nanocellulose has a hydrogen bond interaction with hydroxyl-containing coumarin, which serves as a spacer that prevented the π–π stacking of coumarin. In such a manner, a fluorescent cellulose membrane with anti-aggregation-caused quenching is obtained. As a demonstration of as-developed materials, the fluorescent cellulose membrane is used for mercury ion recognition and removal, and the membrane shows great sensing and adsorption performance. Moreover, excellent cytocompatibility of the membrane is verified by cell proliferation of live/dead viability assays. This fabrication method is expected to provide a new concept for the construction of fluorescent and biocompatible membranes for a large variety of relevant applications.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,036
Score d'incertitude au seuil1,000

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 Opus0,004
Tête enseignante GPT0,190
Écart entre enseignants0,186 · 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

Citations33
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Sustainable Chemistry & EngineeringMême sujetMolecular Sensors and Ion DetectionTravaux en français237 207