Understanding the Interactions of Nanoparticles and Dissolved Organic Matter at the Molecular Level by <sup>1</sup> H 2D Multi‐Exponential Transverse Relaxation NMR Spectroscopy
Notice bibliographique
Résumé
ABSTRACT The interaction between humic acid (HA) and engineered nanoparticles (NPs) is critical in environmental sciences, especially for understanding the behavior of NPs in natural waters. This study employs 1 H 2D Multi‐Exponential Transverse Relaxation (METR) NMR spectroscopy to examine the molecular‐level interactions between Pahokee Peat humic acid (HA) and carboxyl‐functionalized iron oxide nanoparticles (NPCOs). First, 1 H 2D METR NMR spectroscopy allowed not only the identification of HA in terms of its chemical composition but also the separation of molecules with the same chemical shift values but different rates of molecular tumbling. Then, using solutions with varying NPCO concentrations (0, 10, 40, and 100 μM), we observed significant changes in the T 2 relaxation times of HA components, indicating interactions between HA and NPCO. Analysis showed the biggest effect on two chemical shift regions, corresponding to lipids and carbohydrates, revealing that smaller molecules within these regions exhibit the most significant changes in T 2 values upon the addition of NPCO. This suggests that these molecules are the initial sites of interaction, with the entire HA system being affected at higher NPCO concentrations. These findings highlight the utility of METR NMR spectroscopy in studying complex environmental mixtures and provide insights into the behavior of HA and NPs, essential for understanding the fate of NPs in the environment.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».