MétaCan
Menu
Retour à la cohorte
Enregistrement W2145666765 · doi:10.1002/smll.201102113

Synthesis of Monodisperse, Covalently Cross‐Linked, Degradable “Smart” Microgels Using Microfluidics

2012· article· en· W2145666765 sur OpenAlexaff
Leah R. B. Kesselman, Siawash Shinwary, P. Ravi Selvaganapathy, Todd Hoare

Notice bibliographique

RevueSmall · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Microfluidic and Catalytic Techniques Innovation
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésDispersityMicrofluidicsCovalent bondPolymerMaterials scienceDynamic covalent chemistryPolymerizationNanotechnologyChemical engineeringSolventHydrazidePolymer chemistryChemistryOrganic chemistryMoleculeSupramolecular chemistry

Résumé

récupéré en direct d'OpenAlex

The development of a robust method for the synthesis of highly monodisperse microgels cross-linked with degradable covalent bonds offers the potential for fabricating microgels with the highly controllable porosities, cell interactions, and degradation half-lives required for biomedical applications. A microfluidic chip is designed that enables the on-chip mixing and emulsification of two reactive polymer solutions (hydrazide and aldehyde-functionalized carbohydrates) to form monodisperse, hydrazone cross-linked microgels in the size range of ≈40-100 μm. The device can be run continuously for at least 30 h without a significant drift in particle size. The resulting microgels have a homogeneous bulk composition and can swell and deswell as the solvent conditions change in predictable ways based on the chemistry of the reactive polymers used, thereby enabling improved control over both the chemistry and morphology of the resulting microgels relative to other reported approaches. The in situ gelation chemistry used facilitates rapid microgel formation within the droplets without requiring the use of UV light or heating to initiate polymerization, thus making this approach of particular potential utility in cell encapsulation or drug delivery (as demonstrated).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,258
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations53
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSmallMême sujetInnovative Microfluidic and Catalytic Techniques InnovationTravaux en français237 207