MétaCan
Menu
Retour à la cohorte
Enregistrement W2558441990 · doi:10.3389/fchem.2016.00046

Probing the Interaction between Nanoparticles and Lipid Membranes by Quartz Crystal Microbalance with Dissipation Monitoring

2016· review· en· W2558441990 sur OpenAlexafffund
Nariman Yousefi, Nathalie Tufenkji

Notice bibliographique

RevueFrontiers in Chemistry · 2016
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueLipid Membrane Structure and Behavior
Établissements canadiensMcGill University
Organismes subventionnairesEnvironment CanadaNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsFaculty of Engineering, McGill University
Mots-clésQuartz crystal microbalanceMembraneNanoparticleDissipationMaterials scienceChemical engineeringNanotechnologyChemistryAdsorptionPhysical chemistryThermodynamicsPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

There is increasing interest in using quartz crystal microbalance with dissipation monitoring (QCM-D) to investigate the interaction of nanoparticles (NPs) with model surfaces. The high sensitivity, ease of use and the ability to monitor interactions in real-time has made it a popular technique for colloid chemists, biologists, bioengineers, and biophysicists. QCM-D has been recently used to probe the interaction of NPs with supported lipid bilayers (SLBs) as model cell membranes. The interaction of NPs with SLBs is highly influenced by the quality of the lipid bilayers. Unlike many surface sensitive techniques, by using QCM-D, the quality of SLBs can be assessed in real-time, hence QCM-D studies on SLB-NP interactions are less prone to the artifacts arising from bilayers that are not well formed. The ease of use and commercial availability of a wide range of sensor surfaces also have made QCM-D a versatile tool for studying NP interactions with lipid bilayers. In this review, we summarize the state-of-the-art on QCM-D based techniques for probing the interactions of NPs with lipid bilayers.

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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,577
Score d'incertitude au seuil0,705

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 Opus0,011
Tête enseignante GPT0,268
Écart entre enseignants0,257 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations61
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in ChemistryMême sujetLipid Membrane Structure and BehaviorTravaux en français237 207