Analysis by response surface methodology of gold nanoparticles obtained by green chemical reduction using aqueous coffee pulp extract (<i>Coffea arabica</i>)
Notice bibliographique
Résumé
Green synthesis of gold nanoparticles using an aqueous coffee (Coffea arabica L.) pulp extract as a reducing agent was achieved and analyzed by response surface methodology, given the diverse applicability of these nanoparticles containing a wide range of phenolic compounds from the coffee pulp extract. Three factors (precursor concentration, reducing agent concentration, and reaction time) were considered and their combined effects on the maximum intensity MA, particle size d, and particle density N were analyzed. An opposing effect between the precursor and reducing agent was observed during synthesis, because although the precursor increased d and diminished N, the reducing agent diminished d and increased N. These effects were observed simultaneously through the response surfaces of d and N. This methodology allowed the synthesis of nanoparticles with an average particle size of 5–22 nm and N around 2.9 × 1011 − 3.7 × 1013 part/mL, depending on the response surface methodology, Box–Behnken design. The R2 value determined for all cases was 0.98 (MA), 0.99 (d), and 0.97 (N), clearly indicating that the model can be used to predict or design the response variables in the design space. Finally, Fourier transform infrared measurements showed that the organic compounds present in the aqueous coffee pulp extract were coating the surface of the gold nanoparticles. The proposed methodology could contribute to the design of new alternatives for the synthesis of specific nanostructures with potential applications in the therapeutic area.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 | 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 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 ».