MétaCan
Menu
Retour à la cohorte
Enregistrement W4306403381 · doi:10.3390/molecules27206951

AgCu NP Formation by the Ag NP Catalysis of Cu Ions at Room Temperature and Their Antibacterial Efficacy: A Kinetic Study

2022· article· en· W4306403381 sur OpenAlexaff
Yujie Tao, Fang Zhou, Kaixin Wang, De‐Quan Yang, E. Sacher

Notice bibliographique

RevueMolecules · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticles: synthesis and applications
Établissements canadiensPolytechnique MontréalRegroupement Québécois sur les Matériaux de Pointe
Organismes subventionnairesnon disponible
Mots-clésKineticsCatalysisTransmission electron microscopyChemistryIonRedistribution (election)Nuclear chemistryChemical engineeringMaterials scienceNanotechnologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Although a facile route to prepare AgCu nanoalloys (NAs) with enhanced antibacterial efficacy using Ag NP catalysis of Cu ions at elevated temperatures was previously developed, its detailed reaction process is still unclear due to the fast reaction process at higher temperatures. This work found that AgCu NAs can also be synthesized by the same process but at room temperature. AgCu NAs formation kinetics have been studied using UV–Visible spectra and Transmission Electron Microscopy (TEM), where formation includes Cu2+ deposition onto the Ag NP surface and Ag+ release, reduction, and agglomeration to form new Ag NPs; this is followed by a redistribution of the NA components and coalescence to form larger AgCu NPs. It is found that SPR absorption is linear with time early in the reaction, as expected for both pseudo-first-order (PFO) and pseudo-second-order (PSO) kinetics; neither model is followed subsequently due to contributions from newly formed Ag NPs and AgCu NAs. The antibacterial efficacy of the AgCu NAs thus formed was estimated, with a continuous increase over the whole alloying process, demonstrating the correlation of antibacterial efficacy with the extent of AgCu NA formation and Ag+ release.

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 enseignants0,005
Score d'incertitude au seuil0,402

Scores Codex et Gemma par catégorie

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 technologies0,0010,000
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 Opus0,009
Tête enseignante GPT0,220
Écart entre enseignants0,211 · 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

Citations20
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMoleculesMême sujetNanoparticles: synthesis and applicationsTravaux en français237 207