MétaCan
Menu
Retour à la cohorte
Enregistrement W3042649836 · doi:10.1039/d0cp00309c

Mixing behaviour of Pluronics with gemini surfactant/plasmid DNA condensates: effect of Pluronic composition

2020· article· en· W3042649836 sur OpenAlexafffund
Samantha Marisha Shortall, D. Gerrard Marangoni, Shawn Wettig

Notice bibliographique

RevuePhysical Chemistry Chemical Physics · 2020
Typearticle
Langueen
DomaineChemistry
ThématiqueSurfactants and Colloidal Systems
Établissements canadiensSt. Francis Xavier UniversityRegional Municipality of WaterlooSt Martha's Regional HospitalNational Institute for NanotechnologyUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of WaterlooCanada Foundation for Innovation
Mots-clésPoloxamerPulmonary surfactantMixing (physics)PlasmidComposition (language)Chemical engineeringChemistryDNAMaterials scienceCopolymerOrganic chemistryPolymerPhysicsBiochemistry

Résumé

récupéré en direct d'OpenAlex

Nanoparticles prepared from plasmid DNA (pDNA) and N,N-bis(dimethylhexadecyl)-1,3-propanediammonium bromide (16-3-16) have been mixed with various Pluronic block copolymers and investigated as binary surfactant systems in water using the previously demonstrated critical aggregation concentration of the surfactant-DNA complex. Surface tensiometry was used to determine critical micelle concentrations of mixed micelles formed within these Pluronic/16-3-16/pDNA mixtures. Use of mixed micelle theories reveals that mixed micelle composition and the interaction parameter, β, are influenced by the structure, in particular hydrophobicity, of the Pluronic component. Ethidium bromide fluorescence studies demonstrate the ability of the Pluronics to de-condense the plasmid DNA from the cationic 16-3-16 gemini surfactant complex, and show some relationship to the interaction parameter and Pluronic composition.

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)0,001
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
Métarecherche0,0000,001
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 GPT0,219
Écart entre enseignants0,210 · 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

Citations6
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical Chemistry Chemical PhysicsMême sujetSurfactants and Colloidal SystemsTravaux en français237 207