Green Synthesis of Fluorescent Carbon Dots for Selective Detection of Tartrazine in Food Samples
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A simple, economical, and green method for the preparation of water-soluble, high-fluorescent carbon quantum dots (C-dots) has been developed via hydrothermal process using aloe as a carbon source. The synthesized C-dots were characterized by atomic force microscope (AFM), transmission electron microscopy (TEM), fluorescence spectrophotometer, UV-vis absorption spectra as well as Fourier transform infrared spectroscopy (FTIR). The results reveal that the as-prepared C-dots were spherical shape with an average diameter of 5 nm and emit bright yellow photoluminescence (PL) with a quantum yield of approximately 10.37%. The surface of the C-dots was rich in hydroxyl groups and presented various merits including high fluorescent quantum yield, excellent photostability, low toxicity and satisfactory solubility. Additionally, we found that one of the widely used synthetic food colorants, tartrazine, could result in a strong fluorescence quenching of the C-dots through a static quenching process. The decrease of fluorescence intensity made it possible to determine tartrazine in the linear range extending from 0.25 to 32.50 μM, This observation was further successfully applied for the determination of tartrazine in food samples collected from local markets, suggesting its great potential toward food routine analysis. Results from our study may shed light on the production of fluorescent and biocompatible nanocarbons due to our simple and environmental benign strategy to synthesize C-dots in which aloe was used as a carbon source.
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.
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) | 0,000 | 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 découle