Nucleoside-based fluorescent carbon dots for discrimination of metal ions
Notice bibliographique
Résumé
Carbon dots (Cdots) play an important role in many biological and chemical applications. To prepare strongly fluorescent Cdots, the starting material should contain nitrogen in addition to carbon. Nucleobases are nitrogen rich with interesting metal binding properties. In this work, we prepared a series of Cdots with citrate as the carbon source, and ethylenediamine, adenosine, cytidine, thymidine or guanosine as the respective nitrogen sources. The resulting Cdots were all fluorescent with the ethylenediamine sample being the most strongly emissive. These Cdots were then tested for their metal sensitivity and all tested metal ions can quench their fluorescence. The fluorescence of the G-Cdots prepared with guanosine was quenched most efficiently by Cu2+, while the Cdots prepared with ethylenediamine were more sensitive to Hg2+. With the differential quenching by different metal ions, we prepared a sensor array to discriminate multiple metal ions, and quantified Cu2+ and Hg2+ at the same time. Our work has expanded the range of starting materials for preparing Cdots and showed that by tuning the precursor composition, Cdots with different optical and metal binding properties can be obtained, which is useful in constructing a sensing platform for a large number of metal ions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».