Degradable Thermoresponsive Nanogels for Protein Encapsulation and Controlled Release
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
Reversible addition-fragmentation chain transfer (RAFT) polymerization technique was used for the fabrication of stable core cross-linked micelles (CCL) with thermoresponsive and degradable cores. Well-defined poly(2-methacryloyloxyethyl phosphorylcholine), poly(MPC) macroRAFT agent, was first synthesized with narrow molecular weight distribution via the RAFT process. These CCL micelles (termed as nanogels) with hydrophilic poly(MPC) shell and thermoresponsive core consisting of poly(methoxydiethylene glycol methacrylate) (poly(MeODEGM) and poly(2-aminoethyl methacrylamide hydrochloride) (poly(AEMA) were then obtained in a one-pot process by RAFT polymerization in the presence of an acid degradable cross-linker. These acid degradable nanogels were efficiently synthesized with tunable sizes and low polydispersities. The encapsulation efficiencies of the nanogels with different proteins such as insulin, BSA, and β-galactosidase were studied and found to be dependent of the cross-linker concentration, size of protein, and the cationic character of the nanogels imparted by the presence of AEMA in the core. The thermoresponsive nature of the synthesized nanogels plays a vital role in protein encapsulation: the hydrophilic core and shell of the nanogels at low temperature allow easy diffusion of the proteins inside out and, with an increase in temperature, the core becomes hydrophobic and the nanogels are easily separated out with entrapped protein. The release profile of insulin from nanogels at low pH was studied and results were analyzed using bicinchoninic assay (BCA). Controlled release of protein was observed over 48 h.
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) | 0,001 | 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