MétaCan
Menu
Retour à la cohorte
Enregistrement W4239281514 · doi:10.17576/mjas-2019-2301-04

MITIGATION OF TOXIC Alexandrium tamiyavanichii USING CHITOSAN-SILICA COMPOSITE

2019· article· en· W4239281514 sur OpenAlexaff
Anwar Iqbal, Najwa Ahmad, Normawaty Noor, Lee D. Wilson, Nur Hanisah

Notice bibliographique

RevueMalaysian Journal of Analytical Science · 2019
Typearticle
Langueen
DomaineChemistry
ThématiqueChemical synthesis and alkaloids
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesUniversiti Sains Malaysia
Mots-clésChitosanComposite numberChemistryEnvironmental chemistryEnvironmental sciencePulp and paper industryMaterials scienceComposite materialOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The harmful algal bloom (HABs) phenomena affects human health, ecosystems, fishing, and tourism industries.In a single occasion, the loss due to HABs can reach thousands of Ringgit Malaysia.In this study, a chitosan-silica composite (RHA-CHi) was synthesized via sol-gel technique for the mitigation of Alexandrium tamiyavanichii, a toxic HAB species isolated from Malaysian waters.Rice husk ash silica was used as the silica precursor in the composite synthesis.The FT-IR spectroscopy suggests that the chitosan was covalently bonded with the surface silanol groups.Light microscope analysis showed that the algal cells were stuck on the surface of the composite and underwent lysis.The incorporation of chitosan decreased the surface negative charge of the silica, hence, increasing the electrostatic attraction between the cells and RHA-Chi.The removal efficiency of A. tamiyavanichii was 75% using 0.1 mg/mL of RHA-Chi in 2 hours, increasing to 85% after 24 hours.Reduced removal efficiency (16%) was observed using silica alone.The findings show that the chitosan-silica composite has high potential to be used in the mitigation of A. tamiyavanichii.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,010
Tête enseignante GPT0,250
Écart entre enseignants0,240 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMalaysian Journal of Analytical ScienceMême sujetChemical synthesis and alkaloidsTravaux en français237 207