nanofolha

blog

LarLar / blog / nanofolha

Nov 05, 2023

nanofolha

Relatórios Científicos volume 12,

Scientific Reports volume 12, Número do artigo: 13874 (2022) Citar este artigo

1983 acessos

8 Altmétrica

Detalhes das métricas

O gerenciamento do estresse mental tornou-se significativamente importante porque o estresse mental excessivo e prolongado pode prejudicar a saúde humana. Nos últimos anos, vários biomarcadores associados ao estresse mental foram identificados. Um desses biomarcadores é o alil mercaptano. Um óxido de estanho do tipo nanofolha exibiu alta seletividade de gás para alil mercaptano; assim, neste estudo, uma matriz de sensores compreendendo sensores de gás de óxido de estanho do tipo nanofolha foi fabricada para detectar alil mercaptano. Algoritmos de aprendizado supervisionado foram usados ​​para construir modelos de classificação de gás com base na análise de componentes principais das respostas de sinal do sensor da matriz de sensores. Os dados abrangentes fornecidos pelos modelos de classificação podem ser usados ​​para prever o alil mercaptano com alta precisão.

O conceito de estresse foi introduzido pela primeira vez em 1936 como "a resposta não específica do corpo a qualquer demanda", uma definição ampliada por experimentos de estresse subsequentes1,2,3. Pesquisas recentes definem o estresse como qualquer evento que interrompa a homeostase, fazendo com que o corpo libere hormônios para restaurar a homeostase. O estresse crônico está biologicamente associado a vários distúrbios e problemas relacionados à saúde. Portanto, o gerenciamento do estresse é essencial na área da saúde para prevenir doenças e melhorar a qualidade de vida.

O estresse mental pode ser quantificado medindo os níveis de diferentes biomarcadores de estresse mental descarregados do corpo. A Shiseido Co. Ltd. identificou recentemente substâncias odoríferas perceptíveis que emanam da pele durante a tensão emocional, e uma dessas substâncias foi o alil mercaptano4,5,6. Como resultado, a detecção de alil mercaptano pode ser usada para prevenir o estresse mental crônico notificando um estado de tensão emocional inicial ao usuário.

Os sensores de gás são dispositivos eficazes na detecção de substâncias odoríferas. Além disso, matrizes de sensores combinadas com análise estatística de dados foram consideradas adequadas para discriminar, detectar e reconhecer gases7,8,9. A chave para um bom desempenho de matrizes de sensores é o sensor de gás possuir propriedades de detecção superiores e únicas. Como o mecanismo de detecção fundamental de um sensor de gás envolve a adsorção e dessorção de moléculas de gás na superfície do material do sensor10,11,12,13, um material com uma estrutura de superfície diferente pode servir como um material crítico na aplicação de detecção de gás.

Em estudos anteriores, um sensor de gás foi desenvolvido usando um óxido de estanho do tipo nanofolha como material do sensor de gás14,15, que expôs principalmente estruturas de superfície metaestáveis. O sensor também exibiu propriedades de detecção superiores e únicas devido às suas diferentes estruturas de superfície16,17,18,19.

Neste estudo, investigamos as propriedades de óxidos de estanho do tipo nanofolhas para alil mercaptano. Projetamos uma matriz de sensores de gás composta por sensores de gás de óxido de estanho do tipo nanofolha e realizamos um estudo de discriminação e previsão de gás por meio de modelos de previsão estatística usando os sinais de sensores coletados para biomarcadores, incluindo alil mercaptano.

A atividade de oxidação catalítica do alil mercaptano foi investigada usando óxido de estanho tipo nanofolha, e nanopartículas de óxido de estanho comerciais foram usadas para comparação (Fig. 1). O óxido de estanho do tipo nanofolha exibiu maior atividade em relação ao alil mercaptano do que as nanopartículas comerciais de óxido de estanho. Uma reação de conversão começou em óxido de estanho do tipo nanofolha a aproximadamente 100 °C, e a porcentagem de conversão atingiu aproximadamente 99% a 250 °C. Em contraste, no caso da nanopartícula de óxido de estanho comercial, a reação de conversão começou a progredir a aproximadamente 150 °C, e a porcentagem de conversão foi de aproximadamente 99% a 300 °C. O alil mercaptano reage espontaneamente com oxigênio sem quaisquer aditivos em temperaturas acima de 300 °C. A maior atividade do óxido de estanho do tipo nanofolha pode ser atribuída à sua estrutura de superfície metaestável com alta reatividade.

99% was obtained for other classification models (Fig. S7)./p> 70%, Tokyo Chemical Industry Co., Ltd.) via a gas generator (PD-1B, GASTEC Co.) The allyl mercaptan oxidation activity was assessed in a fixed bed flow reactor consisting of a quartz glass tube (diameter: 10 mm) under a 100 cm3/min flow of 54-ppm allyl mercaptan gas over 0.01 g of tin powder. A nanosheet-type tin oxide gas sensor was fabricated using similar process. The platinum electrode printed aluminum oxide sensor chip was cleaned by UV light irradiation light (PL16-10 low-pressure mercury lamp, air flow, 100 V, 200 W, SEN Lights Co.) for 20 min. to ensure effective nucleation and growth of nanosheet-type tin oxide. Subsequently the cleaned sensor chip was immersed in an aqueous solution of SnF2 at 90 °C for 0.5, 1, 3, or 6 h. The sample was washed under running water, followed by blow drying at room temperature. The morphology and structure were observed using TEM (Tecnai Osiris, FEI) and FE-SEM (JSM-6335FM, JEOL Ltd.). The gas sensing properties were assessed using a gas sensor evaluation module. A mixed gas (99.99995% nitrogen:99.99995% oxygen = 80:20) was used as air gas. The concentration of allyl mercaptan was controlled by mixing it with air gas, where the gas flow was set to 100, 150, 200, 300, 400, and 500 cm3/min for 54, 36, 27, 18, 14, and 11 ppm, respectively. The concentrations of acetaldehyde, acetone, ethanol, hydrogen, isoprene, toluene, and p-xylene were set to 20 ppm and 100 cm3/min by mixing N2-balanced 25 ppm gas with 99.9995% N2 gas. The humidity effect was examined using a typical nitrogen–oxygen balanced gas-bubbler system. Commercial gas sensors (TGS2600, TGS2602, TGS2603, TGS2610C0, TGS2610D0, TGS2611C0, TGS2611E0, TGS2612D0; FIGARO) were simultaneously used for comparison. The hyperparameters for the depth and random state in the random forest model were 2 and 9, respectively. The k value in the kNN model was set to 9. The gamma value in the SVC with RBF kernel was 0.7. The degree value in the SVC with polynomial SVC was 9. The other hyperparameters were automatically set./p>