Probing the Nanostructure, Interfacial Interaction, and Dynamics of Chitosan-Based Nanoparticles by Multiscale Solid-State NMR
Notice bibliographique
Résumé
Chitosan-based nanoparticles (NPs) are widely used in drug and gene delivery, therapy, and medical imaging, but a molecular-level understanding of the internal morphology and nanostructure size, interface, and dynamics, which is critical for building fundamental knowledge for the precise design and efficient biological application of the NPs, remains a great challenge. Therefore, the availability of a multiscale (0.1-100 nm) and nondestructive analytical technique for examining such NPs is of great importance for nanotechnology. Herein, we present a new multiscale solid-state NMR approach to achieve this goal for the investigation of chitosan-poly(N-3-acrylamidophenylboronic acid) NPs. First, a recently developed (13)C multiple cross-polarization magic-angle spinning (MAS) method enabled fast quantitative determination of the NPs' composition and detection of conformational changes in chitosan. Then, using an improved (1)H spin-diffusion method with (13)C detection and theoretical simulations, the internal morphology and nanostructure size were quantitatively determined. The interfacial coordinated interaction between chitosan and phenylboronic acid was revealed by one-dimensional MAS and two-dimensional (2D) triple-quantum MAS (11)B NMR. Finally, dynamic-editing (13)C MAS and 2D (13)C-(1)H wide-line separation experiments provided details regarding the componential dynamics of the NPs in the solid and swollen states. On the basis of these NMR results, a model of the unique nanostructure, interfacial interaction, and componential dynamics of the NPs was proposed.
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 ».