A nanogold sensor test for tire wear chemicals based on the plasmon ruler approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The release of tire wear substances in the environment is raising concerns about potential impacts on aquatic ecosystems. The purpose of this study was to develop a quick and inexpensive screening test for the following tire wear substances: 6-phenylphenyldiamine quinone (6-PPD quinone), hexamethoxymethylmelamine (HMMM), 1-3-diphenylguanidine (1,3-DPG), and melamine. A dual strategy consisting of nanogold (nAu) signal intensity and the plasmonic ruler principle was used based on the spectral shift from the unaggregated free-form nAu from 525 nm to aggregated nAu at higher wavelengths. The shift in resonance corresponded to the relative sizes of the tire wear substances at the surface of nAu: 6-PPD (560 nm), HMMM (590 nm), 1,3-DPG (620 nm), and melamine (660 nm) in a concentration-dependent manner. When present in mixtures, a large indiscriminate band between 550 and 660 nm with a maximum corresponding to the mean intermolecular distance of 0.43 nm from the tested individual substances suggests that all compounds indiscriminately interacted at the surface of nAu. An internal calibration methodology was developed for mixtures and biological extracts from mussels and biofilms and revealed a proportional increase in absorbance at the corresponding resonance line for each test compound. Application of this simple and quick methodology revealed the increased presence of melamine and HMMM compounds in mussels and biofilms collected at urban sites (downstream city, road runoffs), respectively. The data also showed that treated municipal effluent decreased somewhat melamine levels in mussels.
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.
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 | 0,000 |
| 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 découle