MétaCan
Menu
Retour à la cohorte
Enregistrement W2973484113 · doi:10.1038/s41467-019-12246-x

Spontaneous shrinking of soft nanoparticles boosts their diffusion in confined media

2019· article· en· W2973484113 sur OpenAlexafffund
Pierre‐Luc Latreille, Vahid Adibnia, Antone Nour, Jean‐Michel Rabanel, Augustine Lalloz, Jochen Arlt, Wilson C. K. Poon, Patrice Hildgen, Vincent A. Martinez, Xavier Banquy

Notice bibliographique

RevueNature Communications · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiquePickering emulsions and particle stabilization
Établissements canadiensInstitut National de la Recherche ScientifiqueArmand Frappier MuseumMcGill University Health CentreUniversité de MontréalUniversité du Québec à Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsGovernment of Canada
Mots-clésNanoparticleDiffusionNanotechnologyMaterials sciencePhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Improving nanoparticles (NPs) transport across biological barriers is a significant challenge that could be addressed through understanding NPs diffusion in dense and confined media. Here, we report the ability of soft NPs to shrink in confined environments, therefore boosting their diffusion compared to hard, non-deformable particles. We demonstrate this behavior by embedding microgel NPs in agarose gels. The origin of the shrinking appears to be related to the overlap of the electrostatic double layers (EDL) surrounding the NPs and the agarose fibres. Indeed, it is shown that screening the EDL interactions, by increasing the ionic strength of the medium, prevents the soft particle shrinkage. The shrunken NPs diffuse up to 2 orders of magnitude faster in agarose gel than their hard NP counterparts. These findings provide valuable insights on the role of long range interactions on soft NPs dynamics in crowded environments, and help rationalize the design of more efficient NP-based transport systems.

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 enseignants0,342
Score d'incertitude au seuil0,276

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 ouverte0,0010,000
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 Opus0,017
Tête enseignante GPT0,265
Écart entre enseignants0,249 · 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

Citations43
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetPickering emulsions and particle stabilizationTravaux en français237 207