The role of particle-to-cell interactions in dictating nanoparticle aided magnetophoretic separation of microalgal cells
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Successful application of a magnetophoretic separation technique for harvesting biological cells often relies on the need to tag the cells with magnetic nanoparticles. This study investigates the underlying principle behind the attachment of iron oxide nanoparticles (IONPs) onto microalgal cells, Chlorella sp. and Nannochloropsis sp., in both freshwater and seawater, by taking into account the contributions of various colloidal forces involved. The complex interplay between van der Waals (vdW), electrostatic (ES) and Lewis acid-base interactions (AB) in dictating IONP attachment was studied under the framework of extended Derjaguin-Landau-Verwey-Overbeek (XDLVO) analysis. Our results showed that ES interaction plays an important role in determining the net interaction between the Chlorella sp. cells and IONPs in freshwater, while the AB and vdW interactions play a more dominant role in dictating the net particle-to-cell interaction in high ionic strength media (≥100 mM NaCl), such as seawater. XDLVO predicted effective attachment between cells and surface functionalized IONPs (SF-IONPs) with an estimated secondary minimum of -3.12 kT in freshwater. This prediction is in accordance with the experimental observation in which 98.89% of cells can be magnetophoretically separated from freshwater with SF-IONPs. We have observed successful magnetophoretic separation of microalgal cells from freshwater and/or seawater for all the cases as long as XDLVO analysis predicts particle attachment. For both the conditions, no pH adjustment is required for particle-to-cell attachment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle