MétaCan
Menu
Retour à la cohorte
Enregistrement W4405315749 · doi:10.1021/acsnano.4c12539

Kinetic Profiling of Oxidoreductase-Mimicking Nanozymes: Impact of Multiple Activities, Chemical Transformations, and Colloidal Stability

2024· article· en· W4405315749 sur OpenAlexafffund
Vasily G. Panferov, Wenjun Zhang, Nicholas D’Abruzzo, Sihan Wang, Juewen Liu

Notice bibliographique

RevueACS Nano · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Nanomaterials in Catalysis
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMinistry of Science and Higher Education of the Russian FederationUniversity of Waterloo
Mots-clésCatalysisHomogeneousChemistryNanotechnologyMetalColloidNanoparticleOxideCombinatorial chemistryMaterials sciencePhysical chemistryOrganic chemistryThermodynamics

Résumé

récupéré en direct d'OpenAlex

In contrast to homogeneous enzyme catalysis, nanozymes are nanosized heterogeneous catalysts that perform reactions on a rigid surface. This fundamental difference between enzymes and nanozymes is often overlooked in kinetic studies and practical applications. In this article, using 14 nanozymes of various compositions (core@shell, metal–organic frameworks, metal, and metal oxide nanoparticles), we systematically demonstrate that nontypical features of nanozymes, such as multiple catalytic activities, chemical transformations, and aggregation, need to be considered in nanozyme catalysis. Ignoring these features results in the inaccurate quantification of catalytic activity. Neglecting the multiple activities led to a six-time underestimation of Mn 2 O 3 oxidation activity and mischaracterization of this material as a low-active peroxidase-mimicking nanozyme. Additionally, overlooking chemical stability during catalytic reactions led to the reporting of high peroxidase-mimicking activity for Au@Ag nanoparticles, which, in reality, exhibited no intrinsic activity and oxidized the substrate through the leakage of Ag + ions. Ignoring the chemical stability of Au@Prussian Blue nanoparticles may lead to more than four times overestimation of peroxidase-mimicking activity after just 24 h of storage. Finally, disregarding the colloidal stability of nanozymes led to a five-time inaccuracy in catalytic activity. These findings underscore the necessity of optimizing procedures to account for these factors in nanozyme kinetic measurements, which will in turn ensure more reliable biosensors and the success of other practical applications.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,278
Écart entre enseignants0,263 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations38
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujetAdvanced Nanomaterials in CatalysisTravaux en français237 207