Magnetic polyelectrolyte microcapsules <i>via</i> water-in-water droplet microfluidics
Notice bibliographique
Résumé
Polyelectrolyte microcapsules (PEMCs) have biocompatible microcompartments. Therefore, PEMCs are useful for applications in cosmetics, food, pharmaceutics, and other industries. The fabrication of PEMCs often involves the use of harsh chemicals or cytotoxic organic phases that make biomedical applications of the microcapsules challenging. In this report, we present an all-aqueous droplet microfluidics platform for the generation of magnetic PEMCs. In the platform, we use an aqueous-two-phase system (ATPS) of polyethylene glycol (PEG) and dextran (Dex), to generate water-in-water droplets, which are magnetically functionalized with ferrofluid. Strong polyelectrolytes (PEs) with opposite charges are used in each ATPS phase. We make emulsion templates of magnetic Dex, containing the polycations, in a continuous phase of PEG. We then apply a magnetic field to move the magnetic droplets to a second PEG phase, which contains the polyanions. By careful tuning of the fluxes of the two PEs in their respective phases, we trigger the formation of a shell at the droplet interface. Owing to the presence of the ferrofluid, the resulting microcapsules are magnetically responsive. We show that the magnetic PEMCs are capable of passive release of large pseudo-drugs as well as triggered release using external stimuli such as osmotic shock and pH change. We expect that magnetic PEMCs from this biocompatible all-aqueous platform will find utility in the fabrication of functionalized drug carriers for targeted drug delivery.
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 ».