MétaCan
Menu
Retour à la cohorte
Enregistrement W2669795922 · doi:10.1002/cjce.22926

Folate functionalized silicon nanowires with highly enhanced adhesion to cancer cells

2017· article· en· W2669795922 sur OpenAlexvenueno aff
Saeid Shadmani, Zeinab Salehi, Hamid Doosthosseini, S. Mohajerzadeh, Sahar Roozbahani

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueNanowire Synthesis and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSurface modificationSilanizationTriethoxysilaneMaterials scienceFourier transform infrared spectroscopyChemical engineeringNanotechnologyAdhesionTransmission electron microscopyAttenuated total reflectionNanowireComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract In this study, we implemented a functionalization process on the surface of silicon nanowires (SiNWs) which were fabricated by chemical vapour deposition (CVD) method in a low‐pressure CVD (LPCVD) chamber. Surface functionalization was carried out in three stages: hydroxylation of the surface with piranha solution, silanization with a solution of 3‐Aminopropyl triethoxysilane (APTES) in n ‐hexane, and finally functionalization with folic acid as a detection agent. Optical spectroscopy and electron microscopy techniques were used to experimentally characterize materials. Surface functionalization was evaluated using Attenuated Total Reflectance Fourier‐Transform Infrared spectroscopy (FTIR‐ATR), Field Emission Scanning Electron Miscoscopy (FESEM), and Transmission Electron Microscopy (TEM). Cell adhesion to functionalized and non‐functionalized silicon nanowires was compared; a cell assay analysis on lung metastatic cells was conducted. Lung cancer metastatic QUDB cells were seeded on a SiNWs surface in RPMI1640 complete medium. To evaluate the adhesion of cancer cells to these surfaces FESEM imaging was used. The number of cancer cells trapped on the folic acid functionalized SiNWs was found to be approximately 3 times higher than that of the non‐functionalized ones.

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 enseignants0,037
Score d'incertitude au seuil0,386

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 Opus0,008
Tête enseignante GPT0,201
Écart entre enseignants0,192 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetNanowire Synthesis and ApplicationsTravaux en français237 207