MétaCan
Menu
Retour à la cohorte
Enregistrement W2996905404 · doi:10.1021/acsomega.9b03333

Revealing the Hydrolysis Mechanism of a Hg<sup>2+</sup>-Reactive Fluorescein Probe: Novel Insights on Thionocarbonated Dyes

2019· article· en· W2996905404 sur OpenAlexafffund
Audrey Picard‐Lafond, Dominic Larivière, Denis Boudreau

Notice bibliographique

RevueACS Omega · 2019
Typearticle
Langueen
DomaineChemistry
ThématiqueMolecular Sensors and Ion Detection
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada First Research Excellence FundFonds de recherche du Québec – Nature et technologiesUniversité Laval
Mots-clésMercury (programming language)HydrolysisMetal ions in aqueous solutionFluoresceinChemistryFluorescenceChloridePollutantMechanism (biology)MetalCombinatorial chemistryMoleculeEnvironmental chemistryPhotochemistryNanotechnologyComputer scienceOrganic chemistryMaterials scienceOptics

Résumé

récupéré en direct d'OpenAlex

Abstract As one of the most toxic metal pollutants, mercury is the subject of extensive research to improve current detection strategies, notably to develop sensitive, selective, fast, and affordable Hg2+-responsive fluorescent probes. Comprehending the sensing mechanism of these molecules is a crucial step in their design and optimization of their performance. Herein, a new fluorescein-based thionocarbonate-appended Hg2+-sensitive probe was synthesized to study the hydrolysis reactions involved in the sensing process. Autohydrolysis was revealed as a significant component of the signal generation mechanism, occurring concurrently with Hg2+-catalyzed hydrolysis. This knowledge was used to investigate the effects of key experimental conditions (pH, temperature, chloride ions) on sensing efficiency. Overall, the chemical and physical properties of this new thionocarbonated dye and the insights into its sensing mechanism will be instrumental in designing reliable and effective portable sensing strategies for mercury and other heavy metals.

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 seuil0,004

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,009
Tête enseignante GPT0,204
Écart entre enseignants0,196 · 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

Citations22
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS OmegaMême sujetMolecular Sensors and Ion DetectionTravaux en français237 207