当前位置：
X-MOL 学术
›
Anal. Chem.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
Photodegradation Kinetics and Deep Learning-Based Intelligent Colorimetric Method for Bioavailability-Based Dissolved Iron Speciation
Analytical Chemistry ( IF 6.7 ) Pub Date : 2022-10-14 , DOI: 10.1021/acs.analchem.2c04014 Jiayi Luo 1 , Zhaojing Huang 1 , Shunxing Li 1, 2 , Fengying Zheng 1, 2 , Fengjiao Liu 1, 2 , Qianyan Huang 1 , Xuguang Huang 1, 2 , Haijiao Xie 3
Analytical Chemistry ( IF 6.7 ) Pub Date : 2022-10-14 , DOI: 10.1021/acs.analchem.2c04014 Jiayi Luo 1 , Zhaojing Huang 1 , Shunxing Li 1, 2 , Fengying Zheng 1, 2 , Fengjiao Liu 1, 2 , Qianyan Huang 1 , Xuguang Huang 1, 2 , Haijiao Xie 3
Affiliation
|
Via the photodegradation of dissolved iron (dFe) complexes in the euphotic zone, released free Fe(III) is the most important source of bioavailable iron for eukaryotic phytoplankton. There is an urgent need to establish bioavailability-based dissolved iron speciation (BDIS) methods. Herein, an intelligent system with dFe pretreatment and a colorimetric sensor is developed for real-time monitoring of newly generated Fe(III) ions. According to the photodegradation kinetics of dFe, including kinetic constant and photogenerated time of free Fe(III) ions, 3 sources, 6 kinds, and 12 species of dFe are determined by our photocatalytic-assisted colorimetric sensor and deep learning model within 20.0 min. The algal dFe-uptake for 4 days can be predicted by BDIS with correlation coefficient 0.85, which could be explained by the hard and soft acids and bases theory (HSAB) and density functional theory (DFT). These results successfully demonstrate the proof-of-concept for photodegradation kinetics-based speciation and bioavailability assessments of dissolved metals.
中文翻译：
基于光降解动力学和深度学习的基于生物利用度的溶解铁形态的智能比色法
通过溶解铁 (dFe) 复合物在透光区的光降解，释放的游离 Fe(III) 是真核浮游植物生物可利用铁的最重要来源。迫切需要建立基于生物利用度的溶解铁形态分析 (BDIS) 方法。在此，开发了一种具有 dFe 预处理和比色传感器的智能系统，用于实时监测新产生的 Fe(III) 离子。根据 dFe 的光降解动力学，包括游离 Fe(III) 离子的动力学常数和光生时间，我们的光催化辅助比色传感器和深度学习模型在 20.0 分钟内确定了 3 种来源、6 种和 12 种 dFe。BDIS 可以预测 4 天的藻类 dFe 吸收，相关系数为 0.85，这可以用硬酸和软酸碱理论（HSAB）和密度泛函理论（DFT）来解释。这些结果成功地证明了溶解金属的基于光降解动力学的形态和生物利用度评估的概念验证。
更新日期：2022-10-14
中文翻译：
基于光降解动力学和深度学习的基于生物利用度的溶解铁形态的智能比色法
通过溶解铁 (dFe) 复合物在透光区的光降解，释放的游离 Fe(III) 是真核浮游植物生物可利用铁的最重要来源。迫切需要建立基于生物利用度的溶解铁形态分析 (BDIS) 方法。在此，开发了一种具有 dFe 预处理和比色传感器的智能系统，用于实时监测新产生的 Fe(III) 离子。根据 dFe 的光降解动力学，包括游离 Fe(III) 离子的动力学常数和光生时间，我们的光催化辅助比色传感器和深度学习模型在 20.0 分钟内确定了 3 种来源、6 种和 12 种 dFe。BDIS 可以预测 4 天的藻类 dFe 吸收，相关系数为 0.85，这可以用硬酸和软酸碱理论（HSAB）和密度泛函理论（DFT）来解释。这些结果成功地证明了溶解金属的基于光降解动力学的形态和生物利用度评估的概念验证。
京公网安备 11010802027423号