Plastic Analysis with a Plasmonic Nano-Gold Sensor Coated with Plastic-Binding Peptides
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
Contamination with plastics of small dimensions (<1 µm) represents a health concern for many terrestrial and aquatic organisms. This study examined the use of plastic-binding peptides as a coating probe to detect various types of plastic using a plasmon nano-gold sensor. Plastic-binding peptides were selected for polyethylene (PE), polyethylene terephthalate (PET), polypropylene (PP), and polystyrene (PS) based on the reported literature. Using nAu with each of these peptides to test the target plastics revealed high signal, at 525/630 nm, suggesting that the target plastic limited HCl-induced nAu aggregation. Testing with other plastics revealed some lack of specificity but the signal was always lower than that of the target plastic. This suggests that these peptides, although reacting mainly with their target plastic, show partial reactivity with the other target plastics. By using a multiple regression model, the relative levels of a given plastic could be corrected by the presence of other plastics. This approach was tested in freshwater mussels caged for 3 months at sites suspected to release plastic materials: in rainfall overflow discharges, downstream a largely populated city, and in a municipal effluent dispersion plume. The data revealed that the digestive glands of the mussels contained higher levels of PP, PE, and PET plastic particles at the rainfall overflow and downstream city sites compared to the treated municipal effluent site. This corroborated earlier findings that wastewater treatment could remove nanoparticles, at least in part. A quick and inexpensive screening test for plastic nanoparticles in biological samples with plasmonic nAu-peptides is proposed.
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 | 0,001 |
| 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 découle