Correlation between physicochemical properties of superparamagnetic iron oxide nanoparticles and their reactivity with hydrogen peroxide
Notice bibliographique
Résumé
The present study focuses on the effects of the physicochemical properties of superparamagnetic PEG-modified, positively charged, and negatively charged iron oxide nanoparticles (SPIONs) on their reactivity with hydrogen peroxide. Our hypothesis was that the reactivity of SPIONs in this reaction would depend on their surface properties. The comparative study of the nanoparticles with DLS and TEM revealed the average sizes of PEG-modified, positively charged, and negatively charged SPIONs. We observed that the reactivity of negatively charged SPIONs with hydrogen peroxide was less than that of positively charged SPIONs and that of these second nanoparticles was less than that of PEG-modified SPIONs. This difference in the reactivity of these SPIONs with hydrogen peroxide was attributed to the presence of carboxyl or amine groups on their surface. However, the values of the rate constants of the reactions of PEG-modified, positively charged, and negatively charged SPIONs with hydrogen peroxide showed that the reaction of negatively charged SPIONs with hydrogen peroxide was more rapid than that of PEG-modified SPIONs and the reaction of these second SPIONs with hydrogen peroxide was more rapid than that of positively charged SPIONs. The surface study of the SPIONs using XPS showed that the high-resolution spectra of these nanoparticles changed after reaction with hydrogen peroxide, which indicates their surface modifications. These investigations can help develop more appropriate nanoparticles with controlled physicochemical properties.
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 ».