Hydrophobic Interactions Drive the Attachment of a Model Nanoplastic on Hydrophobic Collector Surfaces
Notice bibliographique
Résumé
Predicting the transport and fate of nanoparticles in the subsurface requires understanding of their interactions with collector surfaces. We report here on the effect of the less-studied hydrophobic interactions, which are relevant to the fate of hydrophobic nano-colloids (i.e., nanoplastics) and their attachment onto solid-water (SWI) and air-water interfaces (AWI) in groundwater. Using a model nanoplastic (charge-stabilized, ethyl cellulose nanoparticles) and a model porous medium (regular array of collectors in a pore network etched on glass), we demonstrate the dominance of hydrophobic attraction over electrostatic repulsion when an otherwise hydrophilic glass surface is rendered hydrophobic via coating with octadecyltrichlorosilane (OTS). An empirical model of hydrophobic interactions between dissimilar surfaces (Yoon et al., 1997), informed by contact angle measurements, explains the irreversible attachment of ethyl cellulose nanoparticles on OTS-coated glass surfaces, which is confirmed by atomic force microscopy. The same model explains the irreversible attachment of the model nanoplastic on AWIs, which is revealed by fluorescence microscopy. Transport experiments in microfluidic pore networks etched on glass further demonstrate the irreversible attachment of ethyl cellulose nanoparticles on hydrophobic collector surfaces (SWI or AWI) even in the absence of salt. These findings provide novel insights into the mechanisms affecting the transport and fate of nano-colloids in subsurface aquatic environments and lend further support to the conclusion that contact angle can serve to quantify the magnitude of hydrophobic interactions between nanoparticles and collector surfaces.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».