Plant celluloses, hemicelluloses, lignins, and volatile oils for the synthesis of nanoparticles and nanostructured materials
Notice bibliographique
Résumé
A huge variety of plants are harvested worldwide and their different constituents can be converted into a broad range of bionanomaterials. In parallel, much research effort in materials science and engineering is focused on the formation of nanoparticles and nanostructured materials originating from agricultural residues. Cellulose (40-50%), hemicellulose (20-40%), and lignin (20-30%) represent major plant ingredients and many techniques have been described that separate the main plant components for the synthesis of nanocelluloses, nano-hemicelluloses, and nanolignins with divergent and controllable properties. The minor components, such as essential oils, could also be used to produce non-toxic metal and metal oxide nanoparticles with high bioavailability, biocompatibility, and/or bioactivity. This review describes the chemical structure, the physical and chemical properties of plant cell constituents, different techniques for the synthesis of nanocelluloses, nanohemicelluloses, and nanolignins from various lignocellulose sources and agricultural residues, and the extraction of volatile oils from plants as well as their use in metal and metal oxide nanoparticle production and emulsion preparation. Furthermore, details about the formation of activated carbon nanomaterials by thermal treatment of lignocellulose materials, a few examples of mineral extraction from agriculture waste for nanoparticle fabrication, and the emerging applications of plant-based nanomaterials in different fields, such as biotechnology and medicine, environment protection, environmental remediation, or energy production and storage, are also included. This review also briefly discusses the recent developments and challenges of obtaining nanomaterials from plant residues, and the issues surrounding toxicity and regulation.
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 | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».