MétaCan
Menu
Retour à la cohorte
Enregistrement W2919879111 · doi:10.1039/c8sm02315h

Controlled generation of spiky microparticles by ionic cross-linking within an aqueous two-phase system

2019· article· en· W2919879111 sur OpenAlexafffund
Niki Abbasi, Maryam Navi, Janine K. Nunes, Scott Tsai

Notice bibliographique

RevueSoft Matter · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Microfluidic and Catalytic Techniques Innovation
Établissements canadiensToronto Metropolitan UniversityToronto Public HealthSt. Michael's Hospital
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Ministry of Research, Innovation and Science
Mots-clésMicroparticlePolyethylene glycolDrug deliveryAqueous solutionChemical engineeringNanotechnologyAqueous two-phase systemPhase (matter)Ionic bondingPEG ratioMaterials scienceDextranBiocompatible materialChemistryChromatographyBiomedical engineeringOrganic chemistryIon

Résumé

récupéré en direct d'OpenAlex

Microparticles are used in a variety of different fields, such as drug delivery. Recently, non-spherical microparticle generation has become desirable. The high surface-to-volume ratio of non-spherical microparticles allows for enhanced targeting, and attachment to cells and tissue. Current non-spherical microparticle generation techniques require complicated setup, and utilizing natural micrograins, such as pollen grains, as non-spherical delivery vehicles, requires extensive post-processing. Here, we describe a unique and facile chemical synthesis approach, for controlled generation of pollen-like microparticles, based on ionic cross-linking of alginate and calcium chloride (CaCl2), within an all-biocompatible aqueous two-phase system (ATPS) of dextran (DEX) and polyethylene glycol (PEG). Our technique controls the length of spikes that emerge on the surface of these microparticles. We anticipate that these pollen-like spiky microparticles may be used as drug delivery vehicles, and this new chemical synthesis approach may be used for generating other biomaterials.

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 enseignants0,107
Score d'incertitude au seuil0,587

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 Opus0,012
Tête enseignante GPT0,266
Écart entre enseignants0,253 · 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

Citations18
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

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