Chemodynamic Metal-Phenolic Nanopesticide Performs In Situ Hydrogen Peroxide Self-Supply against Plant Pathogens for Food Sustainability
Notice bibliographique
Résumé
The growing reliance on pesticides for food sustainability has led to environmental pollution and food safety concerns. Herein, we present a chemodynamic strategy using a Fenton-type nanopesticide, referred to as metal-phenolic ROS-nanogenerator (nanoRSG), to enhance the control of two widely spreading plant pathogens ( Pseudomonas syringae and Fusarium oxysporum ). The nanoRSG is constructed by the supramolecular self-assembly of natural polyphenols and Cu 2+ ions, followed by an in situ transition into phenolic-stabilized CuO 2 nanoclusters with the aid of hydroxide ions in the presence of H 2 O 2 . Subsequently, the nanoRSG decomposes in the pathogenic-relevant microenvironment into Fenton-catalyzed H 2 O 2 and Cu 2+ ions, followed by the highly efficient Fenton reactions for generating •O 2 – to damage pathogenic cell membranes. Regarding curative effects on tomato leaves against P. syringae and F. oxysporum, nanoRSG outperforms the commercial Kocide 3000 formulations with 94.7 and 86.9% increasing efficacy, respectively. Moreover, for curative activity on tomato roots, nanoRSG also has a better performance (87.8 and 78.9%) than Kocide 3000 (31.3 and 43.9%). Besides, the biosafety of nanoRSG is confirmed by toxicity tests in zebrafish and lettuce cultivation in a field test of hydroponics. Our findings demonstrate that the metal-phenolic nanoenabled strategy offers a promising formulation for innovating conventional pesticides and enhancing food sustainability.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».