Exploring a direct injection method for microfluidic generation of polymer microgels
Notice bibliographique
Résumé
Microfluidics (MFs) offers a promising method for the preparation of polymer microgels with exquisite control over their dimensions, shapes and morphologies. A challenging task in this process is the generation of droplets (precursors for microgels) from highly viscous polymer solutions. Spatial separation of MF emulsification and gelation of the precursor droplets on chip can address this challenge. In the present work, we explored the application of the "direct injection" method for the preparation of microgels by adding a highly concentrated polymer solution or a gelling agent directly into the precursor droplets. In the first system, primary droplets were generated from a dilute aqueous solution of agarose, followed by the injection of the concentrated agarose solution directly in the primary droplets. The secondary droplets served as precursors for microgels. In the second system, primary droplets were generated from the low-viscous solution of methyl-β-cyclodextrin and poly(ethylene glycol) end-terminated with octadecyl hydrophobic groups. Addition of surfactant directly into the primary droplets led to the binding of methyl-β-cyclodextrin to the surfactant, thereby releasing hydrophobized poly(ethylene glycol) to form polymer microgels. Our results show that, when optimized, the direct injection method can be used for microgel preparation from highly viscous liquids and thus this method expands the range of polymers used for MF generation of microgels.
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.
Comment cette classification a été obtenuedéplier
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».