MétaCan
Menu
Retour à la cohorte
Enregistrement W4281766949 · doi:10.19053/1900771x.v21.n2.2021.14271

NANOPARTÍCULAS DE ORO FUNCIONALIZADAS CON L-CISTEÍNA PARA DETECCIÓN DE ARSÉNICO EN AGUA

2022· article· es· W4281766949 sur OpenAlexaff
Edgar González, Yesid A. Acuña, Ana M. Quiroz

Notice bibliographique

RevueIngeniería Investigación y Desarrollo · 2022
Typearticle
Languees
DomaineEngineering
ThématiqueElectrochemical sensors and biosensors
Établissements canadiensCentennial College
Organismes subventionnairesnon disponible
Mots-clésPhysicsHumanitiesMolecular biologyChemistryArtBiology

Résumé

récupéré en direct d'OpenAlex

En este artículo se reportan resultados experimentales de interacciones del aminoácido L-cisteína (Cis) con nanopartículas de oro (AuNPs) y nanopartículas de oro funcionalizadas con Cis (AuNPs+Cis) cuando se incorpora en la solución iones de As3+. En los procesos de agregación se evalúa el papel de la concentración de la Cis en la funcionalización, además del tamaño de las nanopartículas cuando se incorpora a la solución el agente iónico de interés. Los resultados muestran una sensible dependencia en la agregación de las nanosondas AuNPs+Cis en función de su tamaño, con un registro de mayor sensibilidad para nanopartículas de mayor diámetro. Se observa que la concentración de la Cis en el proceso defuncionalización es condición necesaria para la programación de la estabilidad de las nanosondas, aspecto esencial paraconfigurar un modo estable para detección del agente iónico. De manera que, estos resultados permiten establecer criteriosútiles para el diseño de sensores colorimétricos para detección de metales pesados en aguas contaminadas.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,305
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,232
Écart entre enseignants0,220 · 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.

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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIngeniería Investigación y DesarrolloMême sujetElectrochemical sensors and biosensorsTravaux en français237 207