Notice bibliographique
Résumé
Nanosized metal-porphyrinic frameworks are an interesting class of porous electro- and photoactive materials finding applications in medicine (photodymanic therapy, photothermal therapy, drug delivery and chemotherapy, immunotherapy), [1], sanitary and antimicrobial devices [2], waste water purification [3], photocatalytic organic transformations [4], production of solar fuels [5], and more recently, in agriculture [6]. The fact that porphyrin derivatives are colored, they are prone for the photosensitization of singlet oxygen ( 1 O 2 (g); a reactive oxygen species of type II) either at the solid state/air interfaces or in solution leading to applications listed above using visible light. In fact, they even do this efficiently. Reactive oxygen species of type I (for examples, H-O radical, HO-OH, superoxide radical, perhydroxyl radical, etc) are also photo-produced when given metals inside the porphyrins and metallic nodes in the frameworks are used, or when the metal-porphyrinic frameworks form a composite with another semiconductor. Moreover, the size of the nanoparticles can be tailored. All of these properties are cleverly exploited in the field of agriculture and include the following applications: controlled delivery of pesticides and agro-chemicals, detection of pesticides and pathogenic metals, elimination of pesticides and toxic metals, and photodynamic antimicrobial activity, and the nanosized metal-porphyrinic frameworks also have an important implication in food safety. This presentation will describe these features along with new experimental results. References: [1] Harvey, Pierre D.; Ple, Jessica, Journal of Inorganic and Organometallic Polymers and Materials (2021), 31(7), 2715-2756. [2] Schlachter, Adrien; Asselin, Paul; Harvey, Pierre D., ACS Applied Materials & Interfaces (2021), 13(23), 26651-26672. [3] Harvey, Pierre D., Journal of Materials Chemistry C, (2021), 9(47), 16885-16910. [4] Harvey, Pierre D., Journal of Porphyrins and Phthalocyanines (2021), 25(7/8), 583-604. [5] Asselin, Paul; Harvey, Pierre D. ACS Applied Nano Materials (2022), 5(5), 6055-6082. [6] Sajjadinezhad, Seyed Mehrzad; Tanner, Kevin; Harvey, Pierre D., Journal of Materials Chemistry B, (2022), 10(44), 9054-9080.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».