Photophysical and Optical Properties of Semiconducting Polymer Nanoparticles Prepared from Hyaluronic Acid and Polysorbate 80
Notice bibliographique
Résumé
A nanoprecipitation procedure was utilized to prepare novel diketopyrrolopyrrole-based semiconducting polymer nanoparticles (SPNs) with hyaluronic acid (HA) and polysorbate 80. The nanoprecipitation led to the formation of spherical nanoparticles with average diameters ranging from 100 to 200 nm, and a careful control over the structure of the parent conjugated polymers was performed to probe the influence of π-conjugation on the final photophysical and thermal stability of the resulting SPNs. Upon generation of a series of novel SPNs, the optical and photophysical properties of the new nanomaterials were probed in solution using various techniques including transmission electron microscopy, dynamic light scattering, small-angle neutron scattering, transient absorption, and UV-vis spectroscopy. A careful comparison was performed between the different SPNs to evaluate their excited-state dynamics and photophysical properties, both before and after nanoprecipitation. Interestingly, although soluble in organic solution, the nanoparticles were found to exhibit aggregative behavior, resulting in SPNs that exhibit excited-state behaviors that are very similar to aggregated polymer solutions. Based on these findings, the formation of HA- and polysorbate 80-based nanoparticles does not influence the photophysical properties of the conjugated polymers, thus opening new opportunities for the design of bioimaging agents and nanomaterials for health-related applications.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».