Liposome‐Boosted Peroxidase‐Mimicking Nanozymes Breaking the pH Limit
Notice bibliographique
Résumé
Abstract Peroxidase‐mimicking nanozymes such as Fe3O4 nanoparticles are promising substitutes for natural enzymes like horseradish peroxidase. However, most such nanozymes work efficiently only in acidic conditions. In this work, the influence of various liposomes on nanozyme activity was studied. By introducing negatively charged liposomes, peroxidase‐mimicking nanozymes achieved oxidation of 3,3′,5,5′‐tetramethylbenzidine (TMB) in neutral and even alkaline conditions, although the activity towards anionic 2,2′‐azino‐bis(3‐ethylbenzothiazoline‐6‐sulfonic acid) (ABTS) was inhibited. The Fe3O4 nanoparticles adsorbed on the liposomes without disrupting membrane integrity as confirmed by fluorescence quenching, dye leakage assays, and cryo‐electron microscopy. Stabilization of the blue‐colored oxidized products of TMB by electrostatic interactions was believed to be the reason for the enhanced activity. This work has introduced lipids to nanozyme research, and it also has practically important applications for using nanozymes at neutral pH, such as the detection of hydrogen peroxide and glucose.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».