Fungal Colonization of Weathered Radiata Pine Surfaces Protected with Inorganic Nanoparticles and Coatings
Notice bibliographique
Résumé
Photoactive nanoparticles are used to reduce microbial colonization and self-clean surfaces of materials such as glass and ceramics. To test whether such an approach is feasible for wood surfaces, we treated radiata pine samples with TiO2 (rutile and anatase) or ZnO nanoparticles and then coated the samples with different finishes. Coated samples and uncoated controls were exposed outdoors for six months. After exposure, fungi colonizing wood surfaces were identified using molecular techniques and microscopy, and colour changes in the wood samples were also measured. Treatment of uncoated surfaces with nanoparticles reduced the discolouration of wood during weathering but had little effect on colonization of wood by black mould fungi. In contrast, pretreatment of samples with titanium dioxide nanoparticles increased the number and diversity of fungi including basidiomycetes colonizing coated samples, whereas zinc oxide nanoparticles had the opposite effect. Zinc oxide nanoparticles, however, were less effective than rutile titanium dioxide nanoparticles at reducing the discolouration of coated samples exposed to natural weathering. We conclude that none of the photoactive nanoparticles on their own are able to reduce microbial colonization and discoloration of samples. This suggests that it may be difficult to create self-cleaning wood surfaces using photoactive nanoparticles.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».