Synthesis of FeO@SiO2-DNA core-shell engineered nanostructures for rapid adsorption of heavy metals in aqueous solutions
Notice bibliographique
Résumé
Creating novel and innovative nanostructures is a challenge, aiming to discover nanomaterials with promising properties for environmental remediation. In this study, the physicochemical and adsorption properties of a heterogeneous nanostructure are evaluated for the rapid removal of heavy metal ions from aqueous solutions. Core–shell nanostructures are prepared using iron oxide cores and silica dioxide shells. The core is synthesized via the co-precipitation method and modified in situ with citric acid to grow a carboxyl layer. The shell was hydrolyzed/condensed and then functionalized with amine groups for ds-DNA condensation via electrostatic interaction. The characterization techniques revealed functional FeO@SiO2–DNA nanostructures with good crystallinity and superparamagnetic response (31.5 emu g−1). The predominant superparamagnetic nature is attributed to the citric acid coating. This improves the dispersion and stability of the magnetic cores through the reduction of the dipolar–dipolar interaction and the enhancement of the spin coordination. The rapid adsorption mechanism of FeO@SiO2–DNA was evaluated through the removal of Pb(II), As(III), and Hg(II). A rapid adsorption rate is observed in the first 15 min, attributed to a heterogeneous chemisorption mechanism based on electrostatic interactions. FeO@SiO2–DNA shows higher adsorption efficiency of 69% for Pb(II) removal compared to As(III) (51%) and Hg(II) (41%). The selectivity towards Pb(II) is attributed to the similar acid nature to ds-DNA, where the ionic strength interaction provides good affinity and stability. The facile synthesis and rapid adsorption suggest a promising nanostructure for the remediation of water sources contaminated with heavy metal ions and can be extended to other complex molecules.
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 ».