MétaCan
Menu
Retour à la cohorte
Enregistrement W4221014618 · doi:10.3390/molecules27061869

Chelating Silicone Dendrons: Trying to Impact Organisms by Disrupting Ions at Interfaces

2022· article· en· W4221014618 sur OpenAlexafffund
Miguel Meléndez‐Zamudio, Kevina Chavda, Michael A. Brook

Notice bibliographique

RevueMolecules · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueLuminescence and Fluorescent Materials
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésChelationChemistrySiliconeElastomerMetal ions in aqueous solutionDendrimerPolymer chemistryCationic polymerizationIonHydrosilylationMetalCombinatorial chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The viability of pathogens at interfaces can be disrupted by the presence of (cationic) charge and chelating groups. We report on the synthesis of silicone dendrimers and linear polymers based on a motif of hexadentate ligands with the ability to capture and deliver metal ions. Mono-, di- or trialkoxysilanes are converted in G1 to analogous vinylsilicones and then, iteratively using the Piers-Rubinsztajn reaction and hydrosilylation, each vinyl group is transformed into a trivinyl cluster at G2. The thiol-ene reaction with cysteamine or 3-mercaptopropionic acid and the trivinyl cluster leads to hexadentate ligands 3 × N-S or 3 × HOOC-S. The compounds were shown to effectively capture a variety of metals ions. Copper ion chelation was pursued in more detail, because of its toxicity. On average, metal ions form chelates with 2.4 of the three ligands in a cluster. Upon chelation, viscous oils are converted to (very) soft elastomers. Most of the ions could be stripped from the elastomers using aqueous EDTA solutions, demonstrating the ability of the silicones to both sequester and deliver ions. However, complete ion removal is not observed; at equilibrium, the silicones remain ionically crosslinked.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,005
Score d'incertitude au seuil0,996

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 GPT0,264
Écart entre enseignants0,255 · 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.

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

Citations10
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMoleculesMême sujetLuminescence and Fluorescent MaterialsTravaux en français237 207