Rheological Properties of Superparamagnetic Iron Oxide Nanoparticles
Notice bibliographique
Résumé
The present study focuses on the rheological properties of polyethylene glycol (PEG) modified, positively charged, and negatively charged superparamagnetic iron oxide nanoparticles (SPIONs) at different temperatures. We hypothesized that the surface properties of these nanoparticles in the water did not affect their rheological properties. These nanoparticles had not the same surface properties as SPIONs-PEG had not to charge on their surface whereas positively charged and negatively charged ones with amine and carboxyl groups as their surfaces had positive and negative surface charges, respectively. However, their rheological behaviors were not different from each other. The comparative rheological study of SPIONs revealed their pseudo-Newtonian behavior. The viscosity of SPIONs decreased with the increase in temperature. At low shear rates, the shear stress of SPIONs was independent of rate and increased with the increase of rate. Moreover, at high shear rates, the shear stress for PEG-SPIONs was more than those for positively charged and negatively charged SPIONs. These measurements also revealed that at high shear rates, the shear stress of samples decreased with the increase of temperature. The shear stress of samples decreased with the increase of shear strain and the temperature. We also observed that all the samples had the same amount of shear strain at each shear stress, which indicated the exact resistance of SPIONs to deformation. Furthermore, the shear modulus decreased with time for these nanoparticles. These results suggest that these nanoparticles are promising candidates with appropriate properties for fluid processing applications and drug vectors in biomedical applications.
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 ».