Prunella vulgaris-phytosynthesized platinum nanoparticles: Insights into nanozymatic activity for H2O2 and glutamate detection and antioxidant capacity
Notice bibliographique
Résumé
Artificial nanozymes (enzyme-mimics), specifically metallic nanomaterials, have garnered significant attention recently due to their reduced preparation cost and enhanced stability in a wide range of environments. The present investigation highlights, for the first time, a straightforward green synthesis of biogenic platinum nanoparticles (PtNPs) from a natural resource, namely Prunella vulgaris (Pr). To demonstrate the effectiveness of the phytochemical extract as an effective reducing agent, the PtNPs were characterized by various techniques such as UV–vis spectroscopy, High-resolution Transmission electron microscopy (HR-TEM), zeta-potential analysis, Fourier-transform infrared spectroscopy (FTIR), and Energy dispersive spectroscopy (EDS). The formation of PtNPs with narrow size distribution was verified. Surface decoration of PtNPs was demonstrated with multitudinous functional groups springing from the herbal extract. To demonstrate their use as viable nanozymes, the peroxidase-like activity of Pr/PtNPs was evaluated through a colorimetric assay. Highly sensitive visual detection of H2O2 with discrete linear ranges and a low detection limit of 3.43 μM was demonstrated. Additionally, peroxidase-like catalytic activity was leveraged to develop a colorimetric platform to quantify glutamate biomarker levels with a high degree of selectivity, the limit of detection (LOD) being 7.00 μM. The 2,2-Diphenyl-1-picrylhydrazyl (DPPH) test was used to explore the scavenging nature of the PtNPs via the degradation of DPPH. Overall, the colorimetric assay developed using the Pr/PtNP nanozymes in this work could be used in a broad spectrum of applications, ranging from biomedicine and food science to environmental monitoring.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».