MétaCan
Menu
Retour à la cohorte
Enregistrement W2955094967 · doi:10.1038/s41598-019-45622-0

Binary Silanization and Silver Nanoparticle Encapsulation to Create Superhydrophobic Cotton Fabrics with Antimicrobial Capability

2019· article· en· W2955094967 sur OpenAlexafffund
William Shen, Lishen Zhang, Xiaochun Li, Hua‐Zhong Yu

Notice bibliographique

RevueScientific Reports · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaSimon Fraser University
Mots-clésSilanizationSilver nanoparticleSurface modificationMaterials scienceAntimicrobialContact angleNanoparticleCoatingChemical engineeringNanotechnologyChemistryComposite materialOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Cotton fabrics are functionalized with a binary solution of fluorine-free organosilanes and "encapsulated" with silver nanoparticles to achieve both superhydrophobic and antimicrobial properties. Derived from cellulose, cotton is one of the most abundant biologically generated materials and has been used in a wide variety of consumer goods. Nonetheless, cotton fabrics are not waterproof and prone to microbial contamination. Herein we report the rapid functionalization of cotton fabrics with a binary hexane solution of methyltrichlorosilane (MTS) and octadecyltrichlorosilane (OTS) at low concentration (0.17% v/v) followed by coating with colloidal silver nanoparticles (AgNP). The combined effects of binary silanization and AgNP encapsulation produced a surface that has remarkable water contact angle of 153 ± 2° and antimicrobial properties (against gram-negative Escherichia coli). The superior performance of the modified cotton fabrics produced with fluorine-free organosilanes and silver nanoparticles augments the potential of improving the functionality of abundant biopolymers to be waterproof and contamination-resistant.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,214
Écart entre enseignants0,206 · 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 source (Gemma direct ou Codex distillé), 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

Citations35
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207