MétaCan
Menu
Retour à la cohorte
Enregistrement W3012146877 · doi:10.1002/cbic.202000049

Promotion and Inhibition of the Oxidase‐Mimicking Activity of Nanoceria by Phosphate, Polyphosphate, and DNA

2020· article· en· W3012146877 sur OpenAlexaff
Yilin Zhao, Haotian Li, Anand Lopez, Haijia Su, Juewen Liu

Notice bibliographique

RevueChemBioChem · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Nanomaterials in Catalysis
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Key Research and Development Program of ChinaChina Scholarship CouncilNational Natural Science Foundation of China
Mots-clésPolyphosphatePhosphatePyrophosphateChemistryNanoparticleDNAOligonucleotideBiosensorBiochemistryCombinatorial chemistryBiophysicsEnzymeNanotechnologyMaterials scienceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Nanoceria (CeO2 nanoparticles) is an extensively studied nanozyme with interesting oxidase‐mimicking activity. As they can work in the absence of toxic and unstable H2O2, CeO2 nanoparticles have been widely used in biosensing. CeO2 nanoparticles often encounter phosphate‐containing molecules that can affect their catalytic activity, and various reports exist in the literature showing both promoted and inhibited activity. In this work, we systematically studied five types of phosphate: orthophosphate, pyrophosphate, triphosphate, trimetaphosphate, and a polyphosphate with 25 phosphate units (Pi25). In addition, DNA oligonucleotides of various length and sequence. DNA was included as they contain a phosphate backbone that can strongly adsorb on nanoceria. We observed that a high concentration of DNA in acetate buffer inhibited activity, whereas a low concentration of DNA in phosphate buffer increased activity. The change of activity was also related to the type of substrate and related to the aggregation of CeO2. These discoveries provide an important understanding for the further use of CeO2 nanoparticles in biosensor development, materials science, and nanotechnology.

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 seuil0,001

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 savante0,0000,000
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 Opus0,012
Tête enseignante GPT0,221
Écart entre enseignants0,209 · 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

Citations36
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemBioChemMême sujetAdvanced Nanomaterials in CatalysisTravaux en français237 207