MétaCan
Menu
Retour à la cohorte
Enregistrement W2966130489 · doi:10.1039/c9cc03969d

Tunable functionalization of silica coated iron oxide nanoparticles achieved through a silanol–alcohol condensation reaction

2019· article· en· W2966130489 sur OpenAlexafffund
Henry J. H. Kang, Rana Faryad Ali, Michael T. Y. Paul, Melissa J. Radford, Irene Andreu, Austin W. H. Lee, Byron D. Gates

Notice bibliographique

RevueChemical Communications · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMesoporous Materials and Catalysis
Établissements canadiensBC Cancer AgencyBurnaby HospitalSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsCanadian Institutes of Health ResearchCMC Microsystems
Mots-clésSilanolSurface modificationCondensationNanoparticleAlcoholMaterials scienceOxideCondensation reactionIron oxide nanoparticlesChemical engineeringPhotochemistryNanotechnologyChemistryOrganic chemistryInorganic chemistryCatalysis

Résumé

récupéré en direct d'OpenAlex

The surface properties of nanoparticles play an important role in their interactions with their surroundings. Silane reagents have been used for surface modifications to silica shells on iron oxide nanoparticles, but using these reagents presents some challenges. An alternative approach to modifying the surfaces of these silica shells was developed to impart different terminal functional groups, such as a thiol, alcohol, or carboxylic acid, through the use of alcohol-based reagents. This approach to surface functionalization of the core-shell particles was verified through chemical analyses and the attachment of gold nanoparticles. The use of the silanol-alcohol condensation reaction could be extended further to other surface functionalizations through the use of additional alcohol-based reagents.

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)0,0010,000
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 Opus0,034
Tête enseignante GPT0,273
Écart entre enseignants0,239 · 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

Citations16
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemical CommunicationsMême sujetMesoporous Materials and CatalysisTravaux en français237 207