Carboxylated Chitosan Nanocrystals: A Synthetic Route and Application as Superior Support for Gold-Catalyzed Reactions
Notice bibliographique
Résumé
In this study, we demonstrate for the first time the fabrication of carboxylated chitosan nanocrystals (ChsNC) with high degree of deacetylation (DDA) at >80% and narrow size distribution. We also studied its application as a sustainable support material for metal-based catalysts. Carboxylated chitin nanocrystals (ChNCs) were initially prepared through partial cleavage of glycosidic bonds in chitin by ammonium persulfate, with concurrent oxidation of chitin C6 primary alcohols to produce carboxylate groups on the surface of the ChNCs. ChsNCs were subsequently prepared using an alkaline deacetylation procedure in the presence of NaBH4 to preserve the nanorod structure of the biomaterial. The resulting nanocrystals feature both carboxyl and amino functional groups. Transmission electron microscopy (TEM), X-ray diffraction (XRD), and Fourier-transform infrared (FTIR) spectroscopy were used to determine the morphology and composition of these carboxylated ChNCs and ChsNCs. Subsequently, we tested the ability of the as-made ChsNCs as a biomass-based catalyst support for Au nanoparticles (NPs) using the 4-nitrophenol reduction and the aldehyde–amine–alkyne (A3) coupling reactions to demonstrate its capabilities in regard to the ones of cellulose nanocrystals (CNCs). In particular, Au NPs over ChsNCs featured the highest turnover frequency (TOF) value for the 4-nitrophenol reduction reported for all Au-based catalysts supported on carbon-based systems. Spectroscopic and imaging techniques confirmed the importance of precisely controlling the redox state of Au as it is being deposited to afford a highly disperse active site on the bionano-support.
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 ».