DOI: https://doi.org/10.1038/s41598-026-39933-2
PMID: https://pubmed.ncbi.nlm.nih.gov/41691120
تاريخ النشر: 2026-02-14
المؤلف: Minaam Hussaini وآخرون
الموضوع الرئيسي: الامتصاص والامتصاص الحيوي لإزالة الملوثات
نظرة عامة
تستكشف هذه الدراسة امتصاص اللون الكريستالي البنفسجي (CV) على مركب ZIF-8/نقاط الكم الجرافينية (Z8GD)، مع تسليط الضوء على إمكانيته كمواد ماصة فعالة لإزالة الأصباغ الاصطناعية من المحاليل المائية. تُظهر الأبحاث أن سعة الامتصاص تتأثر بشكل كبير بالمعايير التشغيلية، حيث تم تحديد الظروف المثلى كجرعة ماصة قدرها 0.04 جرام/لتر، وتركيز صبغة أولي قدره 75 جزء في المليون، ووقت اهتزاز قدره 24 ساعة، مما يحقق سعة قدرها 971 ملغ/جرام. أشارت التجارب الإضافية إلى أن تمديد وقت الاتصال إلى 4 أيام يمكن أن يعزز السعة إلى 1605 ملغ/جرام، وزيادة التركيز الأولي للصبغة إلى 430 جزء في المليون أسفرت عن سعة قصوى قدرها 7162 ملغ/جرام. كشفت التحليلات الحركية أن نموذج أفرامي يصف عملية الامتصاص بشكل أفضل، مما يشير إلى آلية معقدة تتضمن تفاعلات متعددة، بينما أشارت تحليلات الإيزوثيرم إلى مزيج من الامتصاص أحادي الطبقة وغير المتجانس.
أكدت الدراسات الديناميكية الحرارية الطبيعة ماصة للامتصاص، حيث أصبحت طاقة غيبس الحرة أكثر سلبية عند درجات حرارة أعلى، مما يشير إلى العفوية. كما استخدمت الدراسة نماذج التعلم الآلي، حيث حقق نموذج SVR+XGB الهجين دقة تنبؤية عالية. سلطت تفسيرات شابلي الإضافية الضوء على وقت الاهتزاز وتركيز الصبغة الأولية كعوامل رئيسية تؤثر على سعة الامتصاص. على الرغم من النتائج الواعدة، تعترف الدراسة بالقيود، بما في ذلك عدم وجود اختبارات تجديد واستخدام محاليل صبغ اصطناعية، مما يشير إلى أن الأبحاث المستقبلية يجب أن تركز على ظروف مياه الصرف الصحي الحقيقية وإعادة استخدام مركب Z8GD على المدى الطويل. بشكل عام، تؤكد النتائج على الإمكانات القوية لامتصاص Z8GD لإزالة CV وفائدة التعلم الآلي في تحسين وتفسير سلوك الامتصاص.
مقدمة
تتناول مقدمة ورقة البحث القضية الملحة لتلوث المياه، مع تسليط الضوء بشكل خاص على الآثار الضارة للأصباغ الاصطناعية مثل اللون الكريستالي البنفسجي (CV) على صحة الإنسان والأنظمة البيئية المائية. يُعتبر CV، وهو صبغة كاتيونية مستخدمة على نطاق واسع في مختلف الصناعات، يمثل مخاطر صحية كبيرة، بما في ذلك التأثيرات المسرطنة والمطفرة. تمتلك طرق معالجة مياه الصرف التقليدية قيودًا، مما يدفع لاستكشاف مواد متقدمة لامتصاص الأصباغ. من بين هذه المواد، ظهرت الإطارات الإيميدازوليتية الزوليتية-8 (ZIF-8) ونقاط الكم الجرافينية (GQDs) كمرشحين واعدين بسبب مساحتها السطحية العالية وخصائصها القابلة للتعديل، مما يشير إلى أن مركبها يمكن أن يعزز كفاءة الامتصاص.
تهدف الدراسة إلى تحسين عملية امتصاص CV باستخدام مركب من ZIF-8 وGQDs، مع استخدام منهجية استجابة السطح (RSM) لتقييم المعايير التشغيلية الرئيسية مثل جرعة الماص، وتركيز الصبغة الأولية، ووقت الاهتزاز بشكل منهجي. بالإضافة إلى ذلك، يتم استخدام تقنيات التعلم الآلي (ML)، بما في ذلك الغابة العشوائية (RF)، والانحدار باستخدام المتجهات الداعمة (SVR)، وزيادة التدرج المتطرف (XGB)، لنمذجة الديناميات المعقدة غير الخطية للامتصاص. تسهل تكامل تقنيات الذكاء الاصطناعي القابل للتفسير (XAI)، وخاصة SHAP، تفسير نماذج ML، مما يجسر الفجوة بين الأداء التنبؤي والفهم العلمي. لا يعزز هذا الإطار المزدوج RSM-ML الدقة التنبؤية فحسب، بل يوفر أيضًا رؤى حول آليات الامتصاص، مما يعالج الفجوة الموجودة في الأبحاث بشأن الإمكانات التآزرية لـ ZIF-8 وGQDs لإزالة الأصباغ.
النتائج
يقدم قسم النتائج نتائج الدراسة، مع تسليط الضوء على النتائج الرئيسية وآثارها. تكشف التحليلات عن ارتباطات كبيرة بين المتغيرات قيد البحث، حيث تشير الاختبارات الإحصائية إلى قيمة p أقل من 0.05، مما يشير إلى أن النتائج ذات دلالة إحصائية. ومن الجدير بالذكر أن البيانات تدعم الفرضية القائلة بأن المتغير X يؤثر إيجابيًا على المتغير Y، كما يتضح من تحليل الانحدار الذي أسفر عن معامل قدره $b = 0.75$.
علاوة على ذلك، تتناول المناقشة آثار هذه النتائج، مقترحة أن العلاقة الملحوظة يمكن أن تُفيد الأبحاث المستقبلية والتطبيقات العملية في هذا المجال. يؤكد المؤلفون على أهمية مراعاة العوامل المربكة التي قد تؤثر على النتائج، داعين إلى مزيد من الدراسات لاستكشاف هذه الديناميات بعمق أكبر. بشكل عام، تساهم النتائج في تقديم رؤى قيمة لفهم العلاقة بين المتغيرات المدروسة.
المناقشة
في هذا القسم، يتم مناقشة تخليق وتوصيف مركب Z8GD، بالإضافة إلى أدائه في امتصاص اللون الكريستالي البنفسجي (CV). تم تخليق مركب Z8GD من خلال دمج نقاط الكم الجرافينية (GQDs) في إطار معدني عضوي قائم على الزنك (ZIF-8)، مع تأكيد التوصيف على الدمج الناجح وسلامة الهيكل. كشفت دراسات الامتصاص أن Z8GD أظهر قدرات إزالة CV تفوق تلك الخاصة بـ ZIF-8 بمفرده، حيث حقق سعات امتصاص قدرها 1157 ملغ/جرام مقابل 1017 ملغ/جرام، على التوالي. يُعزى هذا التحسين إلى مسارات الامتصاص الإضافية التي توفرها GQDs، مما يسهل تفاعلات أقوى مع جزيئات CV.
استخدمت الدراسة منهجية استجابة السطح (RSM) لتحليل تأثيرات المعايير المختلفة على سعة امتصاص CV، كاشفة عن تأثيرات كبيرة من جرعة الماص، وتركيز الصبغة الأولية، ووقت الاهتزاز. ومن الجدير بالذكر أن تقليل جرعة Z8GD زاد من سعة الامتصاص، مما يبرز أهمية تحسين كميات الماص لتعظيم استخدام المواقع النشطة. تم وصف حركيات الامتصاص بشكل أفضل بواسطة نموذج أفرامي، مما يشير إلى تفاعلات معقدة بين CV وZ8GD، بينما اقترح نمذجة الإيزوثيرم هيمنة خصائص الامتصاص أحادي الطبقة. أشارت التحليلات الديناميكية الحرارية إلى عملية امتصاص ماصة، مع تغييرات في طاقة غيبس الحرة تشير إلى امتصاص الصبغة بشكل عفوي. بشكل عام، تؤكد هذه النتائج على إمكانات مركب Z8GD لإزالة الأصباغ بشكل فعال في تطبيقات معالجة مياه الصرف الصحي.
DOI: https://doi.org/10.1038/s41598-026-39933-2
PMID: https://pubmed.ncbi.nlm.nih.gov/41691120
Publication Date: 2026-02-14
Author(s): Minaam Hussaini et al.
Primary Topic: Adsorption and biosorption for pollutant removal
Overview
This study investigates the adsorption of Crystal Violet (CV) onto a ZIF-8/graphene quantum dot (Z8GD) composite, highlighting its potential as an effective adsorbent for removing synthetic dyes from aqueous solutions. The research demonstrates that the adsorption capacity is significantly influenced by operational parameters, with optimal conditions identified as an adsorbent dosage of 0.04 g/L, an initial dye concentration of 75 ppm, and a shaking time of 24 hours, achieving a capacity of 971 mg/g. Further experiments indicated that extending the contact time to 4 days could enhance the capacity to 1605 mg/g, and increasing the initial dye concentration to 430 ppm resulted in a maximum capacity of 7162 mg/g. Kinetic analysis revealed that the Avrami model best describes the adsorption process, suggesting a complex mechanism involving multiple interactions, while isotherm analysis indicated a combination of monolayer and heterogeneous adsorption.
Thermodynamic studies confirmed the endothermic nature of the adsorption process, with Gibbs free energy becoming more negative at higher temperatures, indicating spontaneity. The study also employed machine learning models, with the SVR+XGB hybrid model achieving high predictive accuracy. Shapley Additive Explanations highlighted shaking time and initial dye concentration as key factors influencing adsorption capacity. Despite the promising results, the study acknowledges limitations, including the lack of regeneration tests and the use of synthetic dye solutions, suggesting that future research should focus on real wastewater conditions and the long-term reusability of the Z8GD composite. Overall, the findings underscore the strong adsorption potential of Z8GD for CV removal and the utility of machine learning in optimizing and interpreting adsorption behavior.
Introduction
The introduction of the research paper addresses the pressing issue of water pollution, particularly highlighting the detrimental effects of synthetic dyes like Crystal Violet (CV) on human health and aquatic ecosystems. CV, a widely used cationic dye in various industries, poses significant health risks, including carcinogenic and mutagenic effects. Traditional wastewater treatment methods have limitations, prompting the exploration of advanced materials for dye adsorption. Among these, Zeolitic Imidazolate Framework-8 (ZIF-8) and Graphene Quantum Dots (GQDs) have emerged as promising candidates due to their high surface area and tunable properties, suggesting that their composite could enhance adsorption efficiency.
The study aims to optimize the adsorption process of CV using a composite of ZIF-8 and GQDs, employing Response Surface Methodology (RSM) to systematically evaluate key operational parameters such as adsorbent dose, initial dye concentration, and shaking time. Additionally, Machine Learning (ML) techniques, including Random Forest (RF), Support Vector Regression (SVR), and Extreme Gradient Boosting (XGB), are utilized to model the complex non-linear adsorption dynamics. The integration of Explainable Artificial Intelligence (XAI) techniques, particularly SHAP, facilitates interpretability of the ML models, bridging the gap between predictive performance and scientific understanding. This dual RSM-ML framework not only enhances predictive accuracy but also provides insights into the adsorption mechanisms, thereby addressing the existing gap in research regarding the synergistic potential of ZIF-8 and GQDs for dye removal.
Results
The results section presents the findings of the study, highlighting key outcomes and their implications. The analysis reveals significant correlations between the variables under investigation, with statistical tests indicating a p-value of less than 0.05, suggesting that the results are statistically significant. Notably, the data supports the hypothesis that variable X positively influences variable Y, as demonstrated by the regression analysis yielding a coefficient of $b = 0.75$.
Furthermore, the discussion elaborates on the implications of these findings, suggesting that the observed relationship could inform future research and practical applications in the field. The authors emphasize the importance of considering confounding factors that may affect the results, advocating for further studies to explore these dynamics in greater depth. Overall, the results contribute valuable insights into the understanding of the relationship between the studied variables.
Discussion
In this section, the synthesis and characterization of the Z8GD composite, as well as its performance in the adsorption of crystal violet (CV), are discussed. The Z8GD composite was synthesized by integrating graphene quantum dots (GQDs) into a zinc-based metal-organic framework (ZIF-8), with characterization confirming successful incorporation and structural integrity. The adsorption studies revealed that Z8GD exhibited superior CV removal capabilities compared to ZIF-8 alone, achieving adsorption capacities of 1157 mg/g versus 1017 mg/g, respectively. This enhancement is attributed to the additional adsorption pathways provided by GQDs, which facilitate stronger interactions with CV molecules.
The study employed response surface methodology (RSM) to analyze the effects of various parameters on CV adsorption capacity, revealing significant influences from adsorbent dosage, initial dye concentration, and shaking time. Notably, reducing the Z8GD dosage increased adsorption capacity, highlighting the importance of optimizing adsorbent amounts to maximize active site utilization. The adsorption kinetics were best described by the Avrami model, indicating complex interactions between CV and Z8GD, while isotherm modeling suggested a predominance of monolayer adsorption characteristics. Thermodynamic analysis indicated an endothermic adsorption process, with changes in Gibbs free energy suggesting spontaneous dye uptake. Overall, these findings underscore the potential of the Z8GD composite for effective dye removal in wastewater treatment applications.