Capillary Electrophoresis Analysis of Metal/Metalloid Oxide Nanoparticles in Water: Method Development for the Enhancement of UV Detection Sensitivity
Notice bibliographique
Résumé
Increasing production and applications of metal/metalloid oxide nanoparticles (NPs) have greatly raised the demand for new analytical techniques capable for trace quantification in water to assess their environmental impacts and health risks.A new analytical method was developed for the sensitive detection of silica (SiO2), titania (TiO2) and zinc oxide (ZnO) as model metal/metalloid oxide NPs.This method was based on the formation of molecular layers and polymeric coatings on the NPs directly in water to selectively add chromophores to their surface for enhanced ultraviolet (UV) light absorption in capillary electrophoresis (CE) analysis.One unique advantage is the ability to identify nanoparticles by observing a stronger peak and/or a shifted migration time. Controlled polymerization of 2-hydroxypropyl methacrylate (HPMA) on SiO2NPs added a coating of poly-2-hydroxypropyl methacrylate (PHPMA) that increased their UV detection sensitivity by 6±1 folds initially.A second coating with polydopamine produced a larger size of PHPMA-SiO2 NPs, as confirmed by dynamic light scattering (DLS) and transmission electron microscopy, further enhancing their UV detection sensitivity by 12±2 folds.Chitosan coating and HPMA binding on SiO2 NPs produced a significant enhancement of UV detection sensitivity by 50±1 folds.This method was selective for SiO2 in the presence of TiO2 NPs in 10 mM Na2HPO4, a background electrolyte used for CE analysis.Selective enhancement of UV detection sensitivity of TiO2 in the presence of alumina (Al2O3), SiO2, and ZnO NPs in 100 mM Tris was achieved using deoxyribonucleic acid (DNA) and polyethylene glycol (PEG).Single-stranded DNA (ssDNA) exhibited better performance than double-stranded DNA in enhancing the v
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».