MétaCan
Menu
Retour à la cohorte
Enregistrement W3198225268 · doi:10.1021/acsomega.1c02651

Experimental and Computational Study on the Microfluidic Control of Micellar Nanocarrier Properties

2021· article· en· W3198225268 sur OpenAlexaff
Sima Rezvantalab, Reza Maleki, Natascha Drude, Mohammad Khedri, Alexander Jans, Mostafa Keshavarz Moraveji, Milita Darguzyte, Ebrahim Ghasemy, Lobat Tayebi, Fabian Kießling

Notice bibliographique

RevueACS Omega · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrowetting and Microfluidic Technologies
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesMinistry of Science Research and TechnologyDeutsche Forschungsgemeinschaft
Mots-clésMicrofluidicsMicrochannelNanocarriersMaterials scienceNanotechnologyEthylene glycolPLGAMicelleNanoparticleChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Microfluidic-based synthesis is a powerful technique to prepare well-defined homogenous nanoparticles (NPs). However, the mechanisms defining NP properties, especially size evolution in a microchannel, are not fully understood. Herein, microfluidic and bulk syntheses of riboflavin (RF)-targeted poly(lactic-co-glycolic acid)-poly(ethylene glycol) (PLGA-PEG-RF) micelles were evaluated experimentally and computationally. Using molecular dynamics (MD), a conventional “random” model for bulk self-assembly of PLGA-PEG-RF was simulated and a conceptual “interface” mechanism was proposed for the microfluidic self-assembly at an atomic scale. The simulation results were in agreement with the observed experimental outcomes. NPs produced by microfluidics were smaller than those prepared by the bulk method. The computational approach suggested that the size-determining factor in microfluidics is the boundary of solvents in the entrance region of the microchannel, explaining the size difference between the two experimental methods. Therefore, this computational approach can be a powerful tool to gain a deeper understanding and optimize NP synthesis.

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 enseignants0,032
Score d'incertitude au seuil0,258

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 ouverte0,0000,000
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 Opus0,012
Tête enseignante GPT0,206
Écart entre enseignants0,194 · 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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS OmegaMême sujetElectrowetting and Microfluidic TechnologiesTravaux en français237 207