MétaCan
Menu
Retour à la cohorte
Enregistrement W2774404684 · doi:10.1039/c7sm01508a

Realization of a stable, monodisperse water-in-oil droplet system with micro-scale and nano-scale confinement for tandem microscopy and diffusion NMR studies

2017· article· en· W2774404684 sur OpenAlexafffund
Swomitra Palit, Somayeh Khajehpour Tadavani, Anand Yethiraj

Notice bibliographique

RevueSoft Matter · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Microfluidic and Catalytic Techniques Innovation
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDispersityRealization (probability)Scale (ratio)TandemNanoscopic scaleDiffusionMaterials scienceNano-Chemical physicsNanotechnologyChemical engineeringChemistryPhysicsPolymer chemistryThermodynamicsComposite materialMathematicsEngineering

Résumé

récupéré en direct d'OpenAlex

In this work we generate stable and monodisperse water-in-oil emulsions using a co-flowing geometry that produced droplet sizes between 13 μm and 250 μm. The drops survived transfer to NMR tubes and were stable for at least 26 hours, enabling the performance of pulsed-field-gradient NMR experiments in addition to microscopy. The drops sizes achieved as a function of flow rate agree well with a simple model for droplet generation: this yields a precise measure of the interfacial tension. The design of a cell mimetic environment with nano-scale confinement has also been demonstrated with diffusion measurements on macromolecules (PEG and Ficoll70) within droplets that are further structured internally using agarose gel networks. Containing the agarose gel in droplets appears to provide very reproducible and homogeneous network environments, enabling quantitative agreement of Ficoll70 dynamics with a theoretical model, with no fit parameters, and, with PEG, yielding a systematic polymer-size dependent slowing down in the network. This is in contrast with bulk agarose, where identical macromolecular diffusion measurements indicate the presence of heterogeneities with water pockets.

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 enseignants0,067
Score d'incertitude au seuil0,439

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 Opus0,010
Tête enseignante GPT0,243
Écart entre enseignants0,232 · 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

Citations7
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSoft MatterMême sujetInnovative Microfluidic and Catalytic Techniques InnovationTravaux en français237 207