Green Synthesis of Copper Oxide Nanoparticles Using Protein Fractions from an Aqueous Extract of Brown Algae Macrocystis pyrifera
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Amongst different living organisms studied as potential candidates for the green synthesis of copper nanoparticles, algal biomass is presented as a novel and easy-to-handle method. However, the role of specific biomolecules and their contribution as reductant and capping agents has not yet been described. This contribution reports a green synthesis method to obtain copper oxide nanoparticles (CuO-NPs) using separated protein fractions from an aqueous extract of brown algae Macrocystis pyrifera through size exclusion chromatography (HPLC-SEC). Proteins were detected by a UV/VIS diode array, time-based fraction collection was carried out, and each collected fraction was used to evaluate the synthesis of CuO-NPs. The characterization of CuO-NPs was evaluated by Dynamic Light Scattering (DLS), Z-potential, Fourier Transform Infrared (FTIR), Transmission Electron Microscope (TEM) equipped with Energy Dispersive X-ray Spectroscopy (EDS) detector. Low Molecular Weight (LMW) and High Molecular Weight (HMW) protein fractions were able to synthesize spherical CuO-NPs. TEM images showed that the metallic core present in the observed samples ranged from 2 to 50 nm in diameter, with spherical nanostructures present in all containing protein samples. FTIR measurements showed functional groups from proteins having a pivotal role in the reduction and stabilization of the nanoparticles. The highly negative zeta potential average values from obtained nanoparticles suggest high stability, expanding the range of possible applications. This facile and novel protein-assisted method for the green synthesis of CuO-NPs may also provide a suitable tool to synthesize other nanoparticles that have different application areas.
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.
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 | 0,001 |
| 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 découle