MétaCan
Menu
Retour à la cohorte
Enregistrement W2412976347 · doi:10.1139/cjc-2016-0068

Polymers made of bile acids: from soft to hard biomaterials

2016· article· en· W2412976347 sur OpenAlexafffundvenue
Alexander J. Cunningham, X. X. Zhu

Notice bibliographique

RevueCanadian Journal of Chemistry · 2016
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiqueAdvanced Drug Delivery Systems
Établissements canadiensUniversité de MontréalUniversité du Québec à Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésSoft materialsElastomerPolymerChemistryNanotechnologyBiocompatible materialMoleculeIntermolecular forceDrug deliveryCovalent bondPolymer scienceCombinatorial chemistryOrganic chemistryMaterials scienceBiomedical engineering

Résumé

récupéré en direct d'OpenAlex

Bile acids are gaining increasing importance as building blocks in the development of novel polymeric materials. This is evidenced by the growing number of publications advocating the advantages of their incorporation in the design and construction of materials. Composed of a rigid steroid backbone, functional groups with potential towards diverse reactions, and a biocompatible framework, there are various ways in which these molecules can be utilized to afford biomaterials via distinct architectures. Soft materials utilize the intrinsic capacity of bile acids to self-assemble and have seen a range of applications, most notably in the field of drug delivery. On the other hand, there is also the possibility of including bile acids in the polymer backbone, which has been used in the preparation of elastomers. This review discusses a selection of materials that can be prepared using bile acids and the advantages afforded by these molecules. Focus will be on the development of soft and hard materials, where soft materials are described as being held by weak intermolecular interactions, whereas hard materials are mechanically stronger with bile acids covalently incorporated in the polymer network.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,158
Score d'incertitude au seuil0,993

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)0,0080,000

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 Opus0,058
Tête enseignante GPT0,350
Écart entre enseignants0,292 · 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

Citations14
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of ChemistryMême sujetAdvanced Drug Delivery SystemsTravaux en français237 207