MétaCan
Menu
Retour à la cohorte
Enregistrement W2312584942 · doi:10.1021/jp405732k

Interaction of Pristine and Functionalized Carbon Nanotubes with Lipid Membranes

2013· article· en· W2312584942 sur OpenAlexafffund
Svetlana Baoukina, Luca Monticelli, D. Peter Tieleman

Notice bibliographique

RevueThe Journal of Physical Chemistry B · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueLipid Membrane Structure and Behavior
Établissements canadiensUniversity of Calgary
Organismes subventionnairesAlberta Innovates - Health SolutionsAlberta Innovates - Technology FuturesCompute Canada
Mots-clésCarbon nanotubeMembraneMaterials scienceCarbon nanobudNanotechnologyFrit compressionMechanical properties of carbon nanotubesMolecular dynamicsBiological membraneCarbon fibersChemical engineeringOptical properties of carbon nanotubesNanotubeCarbon nanotube supported catalystCarbon nanofiberComposite materialChemistryComputational chemistry

Résumé

récupéré en direct d'OpenAlex

Carbon nanotubes are widely used in a growing number of applications. Their interactions with biological materials, cell membranes in particular, is of interest in applications including drug delivery and for understanding the toxicity of carbon nanotubes. We use extensive molecular dynamics simulations with the MARTINI model to study the interactions of model nanotubes of different thickness, length, and patterns of chemical modification with model membranes. In addition, we characterize the interactions of small bundles of carbon nanotubes with membrane models. Short pristine carbon nanotubes readily insert into membranes and adopt an orientation parallel to the plane of the membrane in the center of the membrane. Larger aggregates and functionalized nanotubes exhibit a range of possible interactions. The distribution and orientation of carbon nanotubes can be controlled by functionalizing the nanotubes. Free energy calculations provide thermodynamic insight into the preferred orientations of different nanotubes and quantify structural defects in the lipid matrix.

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 candidatesaucune
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 enseignants0,002
Score d'incertitude au seuil0,202

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,006
Tête enseignante GPT0,226
Écart entre enseignants0,220 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations71
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Physical Chemistry BMême sujetLipid Membrane Structure and BehaviorTravaux en français237 207