Нанолист

Блог

ДомДом / Блог / Нанолист

Nov 05, 2023

Нанолист

Научные отчеты, том 12,

Том 12 научных отчетов, номер статьи: 13874 (2022) Цитировать эту статью

Доступы 1983 г.

8 Альтметрика

Подробности о метриках

Управление психическим стрессом стало очень важным, поскольку чрезмерный и продолжительный психический стресс может нанести вред здоровью человека. В последние годы были идентифицированы различные биомаркеры, связанные с психическим стрессом. Одним из таких биомаркеров является аллилмеркаптан. Оксид олова типа нанолиста продемонстрировал высокую селективность по газу в отношении аллилмеркаптана; таким образом, в этом исследовании была изготовлена ​​сенсорная матрица, состоящая из сенсоров газа оксида олова нанолистового типа для обнаружения аллилмеркаптана. Алгоритмы контролируемого обучения использовались для построения моделей классификации газов на основе анализа главных компонент откликов сигналов датчиков от массива датчиков. Комплексные данные, предоставляемые классификационными моделями, можно использовать для прогнозирования аллилмеркаптана с высокой точностью.

Концепция стресса была впервые введена в 1936 году как «неспецифическая реакция организма на любое требование» и это определение было расширено последующими стрессовыми экспериментами1,2,3. Недавние исследования определяют стресс как любое событие, которое нарушает гомеостаз, заставляя организм выделять гормоны для восстановления гомеостаза. Хронический стресс биологически связан с рядом расстройств и проблем, связанных со здоровьем. Поэтому управление стрессом имеет важное значение в здравоохранении для предотвращения заболеваний и улучшения качества жизни.

Психический стресс можно оценить количественно, измеряя уровни различных биомаркеров психического стресса, высвобождаемых из организма. Компания Shiseido Co. Ltd. недавно обнаружила вещества с заметным запахом, исходящие от кожи во время эмоционального напряжения, и одним из таких веществ был аллилмеркаптан4,5,6. В результате обнаружение аллилмеркаптана можно было бы использовать для предотвращения хронического психического стресса, уведомляя пользователя о состоянии первоначального эмоционального напряжения.

Газовые датчики являются эффективными устройствами для обнаружения пахучих веществ. Кроме того, массивы датчиков в сочетании со статистическим анализом данных считаются подходящими для различения, обнаружения и распознавания газов7,8,9. Ключом к хорошей работе сенсорной матрицы является наличие датчика газа, обладающего превосходными и уникальными чувствительными свойствами. Поскольку фундаментальный механизм чувствительности газового сенсора заключается в адсорбции и десорбции молекул газа на поверхности материала сенсора10,11,12,13, материал с другой структурой поверхности может служить критическим материалом в приложениях для измерения газа.

В предыдущих исследованиях газовый сенсор был разработан с использованием оксида олова типа нанолиста в качестве материала газового сенсора14,15, который в основном обнажал метастабильные поверхностные структуры. Датчик также продемонстрировал превосходные и уникальные чувствительные свойства благодаря различной структуре поверхности16,17,18,19.

В данной работе мы исследовали свойства оксидов олова типа нанолистов к аллилмеркаптану. Мы разработали массив датчиков газа, состоящий из датчиков газа на основе оксида олова нанолистового типа, и провели исследование по распознаванию и прогнозированию газа с помощью моделей статистического прогнозирования с использованием собранных сигналов датчиков для биомаркеров, включая аллилмеркаптан.

Каталитическую окислительную активность аллилмеркаптана исследовали с использованием оксида олова типа нанолистов, а для сравнения использовали коммерческие наночастицы оксида олова (рис. 1). Оксид олова типа нанолиста проявлял более высокую активность по отношению к аллилмеркаптану, чем коммерческие наночастицы оксида олова. Реакция конверсии началась в оксиде олова типа нанолиста примерно при 100 °C, а процент конверсии достиг примерно 99% при 250 °C. Напротив, в случае коммерческих наночастиц оксида олова реакция конверсии начинала развиваться примерно при 150 °C, а процент конверсии составлял примерно 99% при 300 °C. Аллилмеркаптан самопроизвольно реагирует с кислородом без каких-либо добавок при температуре выше 300 °С. Более высокую активность оксида олова типа нанолиста можно объяснить его метастабильной структурой поверхности с высокой реакционной способностью.

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>