An Electron Transfer Regulation Strategy to Enhance the Catalytic Activity of Perovskite Fluorescent Nanozyme by Incorporation of Fe Metal‐organic Framework for Biomimetic Cascade Catalysis
Notice bibliographique
Résumé
Abstract Fluorescent nanozymes allow the use of both fluorescence and catalytic functions for theragnostic and bioanalytical applications. However, few fluorescent nanozymes with both high fluorescence yield and high catalytic activities are available. CsPbX 3 perovskite nanocrystals (PNCs) have strong fluorescence but very weak catalytic activities. Here, a microenvironment electron transfer regulation strategy is proposed to enhance the nanozymatic activities and stability of PNCs through the incorporation of Fe metal‐organic framework (MOF). By in suit growth of an amphiphilic polymer (octylamine‐modified polyacrylic acid) capped PNCs on MOF, the oxidase (OXD)‐like activity of PNCs is enhanced sevenfold. X‐ray absorption near‐edge structure (XANES) and extended X‐ray absorption fine structure (EXAFS) characterizations revealed that forming the composition results in valence state shifts of the Fe atoms, indicating an electron transfer from PNCs to MOF enabled by the built‐in electric field, which improved the catalytic activities. Moreover, the nanocomposite also displays peroxidase (POD)‐like activity, and its dual enzyme‐like catalytic mechanism and activities are studied experimentally and theoretically. At last, a nanozyme cascade catalytic system based on the dual mimic enzyme of PNCs@MOF is constructed for ratiometric fluorescence biosensing of ascorbic acid with high sensitivity. This work provides an attractive fluorescent nanozyme, greatly expanding its application in bioanalysis.
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) | 0,000 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».