Microfluidic Technique for the Simultaneous Quantification of Emulsion Instabilities and Lipid Digestion Kinetics
Notice bibliographique
Résumé
Quantifying the impact of environmental physicochemical changes on the microstructure of lipid delivery systems is challenging. Therefore, we have developed a methodology to quantify the coalescence of oil-in-water emulsion droplets during lipid digestion in situ on a single droplet level. This technique involves a custom-made glass microfluidic platform, in which oil droplets can be trapped as single droplets, or several droplets per trap. The physicochemical environment can be controlled, and droplet digestion, as well as coalescence, can be visualized. We show that the exchange of the physicochemical conditions in the entire reaction chamber can be reached in under 30 s. Microparticle image velocimetry allowed mapping of the flow profile and demonstrated the tuneability of the shear profile in the device. The extraction of quantitative information regarding the physical characteristics of the droplets during digestion was performed using an automated image analysis throughout the digestion process. Therefore, we were able to show that oil-in-water emulsions stabilized by proteins coalesced under human gastric conditions. This coalescence delayed the overall lipid digestion kinetics. The droplets that coalesced during digestion were hydrolyzed 1.4 times slower than individually trapped droplets. Thus, the microstructural evolution of lipid delivery systems is a crucial factor in lipid digestion kinetics. This novel technique allows the simultaneous quantification of the impact that the physicochemical environment has on both the lipid droplet microstructure and the lipid release patterns.
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 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 | 0,001 |
| 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 | 0,000 |
| 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 | 0,000 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».