MétaCan
Menu
Retour à la cohorte
Enregistrement W4394794208 · doi:10.1002/adma.202401619

Breaking the pH Limitation of Nanozymes: Mechanisms, Methods, and Applications

2024· review· en· W4394794208 sur OpenAlexaff
Kaizheng Feng, Guancheng Wang, Shi Wang, Jingyuan Ma, Haoan Wu, Ming Ma, Yu Zhang

Notice bibliographique

RevueAdvanced Materials · 2024
Typereview
Langueen
DomaineMaterials Science
ThématiqueAdvanced Nanomaterials in Catalysis
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesNational Key Research and Development Program of ChinaFundamental Research Funds for the Central UniversitiesJiangsu Planned Projects for Postdoctoral Research FundsNatural Science Foundation of Jiangsu ProvinceNational Natural Science Foundation of China
Mots-clésMaterials scienceNanotechnology

Résumé

récupéré en direct d'OpenAlex

Although nanozymes have drawn great attention over the past decade, the activities of peroxidase-like, oxidase-like, and catalase-like nanozymes are often pH dependent with elusive mechanism, which largely restricts their application. Therefore, a systematical discussion on the pH-related catalytic mechanisms of nanozymes together with the methods to overcome this limitation is in need. In this review, various nanozymes exhibiting pH-dependent catalytic activities are collected and the root causes for their pH dependence are comprehensively analyzed. Subsequently, regulatory concepts including catalytic environment reconstruction and direct catalytic activity improvement to break this pH restriction are summarized. Moreover, applications of pH-independent nanozymes in sensing, disease therapy, and pollutant degradation are overviewed. Finally, current challenges and future opportunities on the development of pH-independent nanozymes are suggested. It is anticipated that this review will promote the further design of pH-independent nanozymes and broaden their application range with higher efficiency.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,042
Tête enseignante GPT0,411
Écart entre enseignants0,369 · 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'étudeSans objet
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

Citations164
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced MaterialsMême sujetAdvanced Nanomaterials in CatalysisTravaux en français237 207