Bacterial Ice Nucleation in Monodisperse D<sub>2</sub>O and H<sub>2</sub>O-in-Oil Emulsions
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
Ice nucleation is of fundamental significance in many areas, including atmospheric science, food technology, and cryobiology. In this study, we investigated the ice-nucleation characteristics of picoliter-sized drops consisting of different D2O and H2O mixtures with and without the ice-nucleating bacteria Pseudomonas syringae. We also studied the effects of commonly used cryoprotectants such as ethylene glycol, propylene glycol, and trehalose on the nucleation characteristics of D2O and H2O mixtures. The results show that the median freezing temperature of the suspension containing 1 mg/mL of a lyophilized preparation of P. syringae is as high as -4.6 °C for 100% D2O, compared to -8.9 °C for 100% H2O. As the D2O concentration increases every 25% (v/v), the profile of the ice-nucleation kinetics of D2O + H2O mixtures containing 1 mg/mL Snomax shifts by about 1 °C, suggesting an ideal mixing behavior of D2O and H2O. Furthermore, all of the cryoprotectants investigated in this study are found to depress the freezing phenomenon. Both the homogeneous and heterogeneous freezing temperatures of these aqueous solutions depend on the water activity and are independent of the nature of the solute. These findings enrich our fundamental knowledge of D2O-related ice nucleation and suggest that the combination of D2O and ice-nucleating agents could be a potential self-ice-nucleating formulation. The implications of self-nucleation include a higher, precisely controlled ice seeding temperature for slow freezing that would significantly improve the viability of many ice-assisted cryopreservation protocols.
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 | 0,001 |
| 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 | 0,001 |
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