MétaCan
Menu
Retour à la cohorte
Enregistrement W4223475532 · doi:10.3390/nano12071177

Feeding Alginate-Coated Liquid Metal Nanodroplets to Silkworms for Highly Stretchable Silk Fibers

2022· article· en· W4223475532 sur OpenAlexaff
Zhong Feng Gao, Linlin Zheng, Wenlong Fu, Lei Zhang, Jinze Li, Pu Chen

Notice bibliographique

RevueNanomaterials · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSilk-based biomaterials and applications
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Science Foundation of Shandong ProvinceNational Natural Science Foundation of China
Mots-clésSILKElongationMaterials scienceBombyx moriRandom coilBiocompatibilityUltimate tensile strengthFabricationComposite materialPolymer chemistryChemical engineeringPolymer scienceNanotechnologyChemistryCrystallography

Résumé

récupéré en direct d'OpenAlex

In this study, we fed the larval of Bombyx mori silkworms with nanodroplets of liquid metal (LM) coated with microgels of marine polysaccharides to obtain stretchable silk. Alginate-coated liquid metal nanodroplets (LM@NaAlg) were prepared with significant chemical stability and biocompatibility. This study demonstrates how the fed LM@NaAlg acts on the as-spun silk fiber. We also conducted a series of characterizations and steered molecular dynamics simulations, which showed that the LM@NaAlg additions impede the conformation transition of silk fibroins from the random coil and α-helix to the β-sheet by the formation of hydrogen bonds between LM@NaAlg and the silk fibroins, thus enhancing the elongation at the breakpoints in addition to the tensile properties. The intrinsically highly stretchable silk showed outstanding mechanical properties compared with regular silk due to its 814 MPa breaking strength and a breaking elongation of up to 70%-the highest reported performance so far. We expect that the proposed method can expand the fabrication of multi-functional silks.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge 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 enseignants0,053
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,019
Tête enseignante GPT0,263
Écart entre enseignants0,244 · 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

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanomaterialsMême sujetSilk-based biomaterials and applicationsTravaux en français237 207