MétaCan
Menu
Retour à la cohorte
Enregistrement W4321164681 · doi:10.1002/adma.202211041

Nanozymes: Definition, Activity, and Mechanisms

2023· article· en· W4321164681 sur OpenAlexafffund
Mohamad Zandieh, Juewen Liu

Notice bibliographique

RevueAdvanced Materials · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Nanomaterials in Catalysis
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNanomaterialsNanotechnologyCatalysisBiochemical engineeringMaterials scienceChemistryComputer scienceCombinatorial chemistryEngineeringOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

"Nanozyme" is used to describe various catalysts from immobilized inorganic metal complexes, immobilized enzymes to inorganic nanoparticles. Here, the history of nanozymes is dvescribed in detail, and they can be largely separated into two types. Type 1 nanozymes refer to immobilized catalysts or enzymes on nanomaterials, which were dominant in the first decade since 2004. Type 2 nanozymes, which rely on the surface catalytic properties of inorganic nanomaterials, are the dominating type in the past decade. The definition of nanozymes is evolving, and a definition based on the same substrates and products as enzymes are able to cover most currently claimed nanozymes, although they may have different mechanisms compared to their enzyme counterparts. A broader definition can inspire application-based research to replace enzymes with nanomaterials for analytical, environmental, and biomedical applications. Comparison with enzymes also requires a clear definition of a nanozyme unit. Four ways of defining a nanozyme unit are described, with iron oxide and horseradish peroxidase activity comparison as examples in each definition. Growing work is devoted to understanding the catalytic mechanism of nanozymes, which provides a basis for further rational engineering of active sites. Finally, future perspective of the nanozyme field is discussed.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,004
Communication savante0,0040,004
Science ouverte0,0020,002
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,022
Tête enseignante GPT0,270
Écart entre enseignants0,249 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations581
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced MaterialsMême sujetAdvanced Nanomaterials in CatalysisTravaux en français237 207