MétaCan
Menu
Retour à la cohorte
Enregistrement W2947624796 · doi:10.1021/acs.jafc.9b00536

Controlled Release of Agrochemicals Using pH and Redox Dual-Responsive Cellulose Nanogels

2019· article· en· W2947624796 sur OpenAlexafffund
Xiaobang Hou, Yuanfeng Pan, Huining Xiao, Jie Liu

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHydrogels: synthesis, properties, applications
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesGuangxi Key Laboratory of Petrochemical Resource Processing and Process Intensification Technology, Guangxi UniversityMinistry of Education of the People's Republic of ChinaNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésNanogelRedoxChemistryZeta potentialFourier transform infrared spectroscopyCelluloseChemical engineeringHydroxyethyl cellulosePolymer chemistryNuclear chemistryMaterials scienceNanoparticleOrganic chemistryDrug deliveryNanotechnology

Résumé

récupéré en direct d'OpenAlex

A novel pH and redox dual-responsive cellulose-based nanogel was prepared for the controlled release of agrochemicals. To synthesize the responsive nanogel, palmitoyl chloride and glyoxal were modified on carboxymethyl cellulose sequentially and 3,3'-dithiobis(propionohydrazide) was used as a cross-linker to assemble the nanogel. The morphology, structure, and physical properties of nanogels were characterized with transmission electron microscopy (TEM), Fourier transform infrared spectroscopy (FTIR), particle size analysis, and zeta-potential measurement. Facing pH and redox stimulation, the nanogel showed reversible sol-gel transitions, indicating good pH- and redox-responsiveness. The nanogel loaded with agrochemicals exhibited high loading capacity and various release behaviors. In addition, the experiment of nanogel on heavy metal ions complexation displayed the potential of improving soil condition while delivering agrochemicals.

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 enseignants0,004
Score d'incertitude au seuil0,428

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 GPT0,208
Écart entre enseignants0,200 · 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

Citations85
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetHydrogels: synthesis, properties, applicationsTravaux en français237 207