<span lang="AR-SA">طراحی و توسعه حسگر الکتروشیمیایی گزینش پذیر مبتنی بر پلیمر قالب گیری مولکولی و چارچوب فلزی<span lang="AR-SA">–<span lang="AR-SA">آلی کبالت برای اندازه گیری فوق حساس ماینوکسیدیل
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 28
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_NSMSI-45-2_001
تاریخ نمایه سازی: 17 مهر 1405
چکیده مقاله:
حسگرهای الکتروشیمیایی کاربرد گسترده ای یافته اند. در این پژوهش، یک حسگر الکتروشیمیایی جدید بر پایه پلیمر قالب گیری مولکولی اصلاح شده با چارچوب فلزی–آلی کبالت (Co-MOF/MIP/GCE) برای اندازه گیری ماینوکسیدیل طراحی و ساخته شد. ساختار چارچوب سنتزشده با استفاده از آنالیزهای XRD و FT-IR تایید و ریخت شناسی سطح آن با SEM بررسی گردید. در فرآیند ساخت حسگر، پاراآمینو بنزوئیک اسید به عنوان مونومر عاملی و ماینوکسیدیل به عنوان مولکول الگو استفاده شد. فیلم پلیمر قالب گیری مولکولی به روش الکتروپلیمریزاسیون روی سطح الکترود کربن شیشه ای اصلاح شده با Co-MOF/GCE نشانده شد. نتایج نشان داد که ساختار متخلخل و سایت های فعال Co-MOF باعث افزایش سطح موثر الکترود، تسهیل انتقال بار و تقویت پاسخ الکتروشیمیایی حسگر می شود. عملکرد تجزیه ای حسگر با مقایسه پاسخ الکترودهایCo-MOF/MIP/GCE و Co-MOF/NIP/GCE در محلول ردیاب و در سامانه سه الکترودی در بازه پتانسیل ۶/۰- تا ۰/۱ ولت با سرعت روبش ۵۰ میلی ولت بر ثانیه ارزیابی شد. حسگر طراحی شده رفتار خطی مطلوبی در محدوده غلظتی ۸۰ تا ۴۵۰ نانومولار از ماینوکسیدیل نشان داد و حد تشخیص آن ۳/۰ نانومولار به دست آمد. انحراف معیار نسبی برای هشت اندازه گیری تکراری ۴/۱ ٪ محاسبه شد که بیانگر تکرارپذیری مناسب حسگر است. در مجموع، تلفیق پلیمر قالب گیری مولکولی با چارچوب فلزی–آلی کبالت یک سامانه شناسایی هم افزا با حساسیت بالا و گزینش پذیری مناسب ایجاد می کند. حسگر الکتروشیمیایی Co-MOF/MIP/GCE می تواند به عنوان ابزاری کارآمد و قابل اعتماد برای اندازه گیری ماینوکسیدیل در کاربردهای تجزیهای کنترل کیفی مورد استفاده قرار گیرد.
کلیدواژه ها:
نویسندگان
مریم مالک زاده
گروه شیمی، دانشگاه پیام نور، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
