MétaCan
Menu
Retour à la cohorte
Enregistrement W2513883731 · doi:10.1088/0957-4484/27/41/415602

Surface engineering of SPIONs: role of phosphonate ligand multivalency in tailoring their efficacy

2016· article· en· W2513883731 sur OpenAlexafffund
Tina Lam, Pramod Avti, Philippe Pouliot, Jean‐Claude Tardif, Éric Rhéaume, Frédéric Lesage, Ashok Kakkar

Notice bibliographique

RevueNanotechnology · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticle-Based Drug Delivery
Établissements canadiensUniversité de MontréalPolytechnique MontréalMontreal Heart InstituteMcGill University
Organismes subventionnairesFonds de recherche du Québec – Nature et technologies
Mots-clésPhosphonateLigand (biochemistry)Materials sciencePolyethylene glycolDynamic light scatteringColloidAqueous solutionDispersion (optics)SuperparamagnetismNanotechnologyNanoparticlePEG ratioTrisChemical engineeringMagnetic nanoparticlesCombinatorial chemistryOrganic chemistryChemistry

Résumé

récupéré en direct d'OpenAlex

We report the design of scaffolds containing mono-, bis-, and tris-phosphonate coordinating groups, and a polyethylene glycol chain, for stabilizing superparamagnetic iron oxide nanoparticles (SPIONs), using simple and versatile chemistry. We demonstrate that the number of anchoring phosphonate sites on the ligand influence the colloidal stability, magnetic and biological properties of SPIONs, and the latter do not solely depend on attaching moieties that can enhance their aqueous dispersion. These parameters can be tailored by the number of conjugation sites on the ligand, as evidenced from dynamic light scattering at various salt concentrations, magnetic relaxivities and cell viability studies.

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 enseignants0,009
Score d'incertitude au seuil0,423

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 Opus0,009
Tête enseignante GPT0,212
Écart entre enseignants0,203 · 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

Citations11
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNanotechnologyMême sujetNanoparticle-Based Drug DeliveryTravaux en français237 207