MétaCan
Menu
Retour à la cohorte
Enregistrement W3107074389 · doi:10.1016/j.jhazmat.2020.124662

Fe-chitosan complexes for oxidative degradation of emerging contaminants in water: Structure, activity, and reaction mechanism

2020· article· en· W3107074389 sur OpenAlexaff
Giulio Farinelli, A. Di Luca, Ville R. I. Kaila, Mark J. MacLachlan, Alberto Tiraferri

Notice bibliographique

RevueJournal of Hazardous Materials · 2020
Typearticle
Langueen
DomaineChemistry
ThématiqueNanomaterials for catalytic reactions
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Institutes of HealthPolitecnico di TorinoHuntsman Cancer Foundation
Mots-clésChitosanChemistryHydrogen peroxideCatalysisStoichiometryDegradation (telecommunications)ChitinReaction mechanismPhenolHeterogeneous catalysisChemical engineeringOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Versatile and ecofriendly methods to perform oxidations at near-neutral pH are of crucial importance for processes aimed at purifying water. Chitosan, a deacetylated form of chitin, is a promising starting material owing to its biocompatibility and ability to form stable films and complexes with metals. Here, we report a novel chitosan-based organometallic complex that was tested both as homogeneous and heterogeneous catalyst in the degradation of contaminants of emerging concern in water. The stoichiometry of the complex was experimentally verified with different metals, namely, Cu(II), Fe(III), Fe(II), Co(II), Pd(II), and Mn(II), and we identified the chitosan-Fe(III) complex as the most efficient catalyst. This complex effectively degraded phenol, triclosan, and 3-chlorophenol in the presence of hydrogen peroxide. A putative ferryl-mediated reaction mechanism is proposed based on experimental data, density functional theory calculations, and kinetic modeling. Finally, a film of the chitosan-Fe(III) complex was synthesized and proven a promising supported heterogeneous catalyst for water purification.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,002
Score d'incertitude au seuil0,539

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,022
Tête enseignante GPT0,263
Écart entre enseignants0,241 · 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 tête enseignante, 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

Citations35
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Hazardous MaterialsMême sujetNanomaterials for catalytic reactionsTravaux en français237 207