MétaCan
Menu
Retour à la cohorte
Enregistrement W4237250171 · doi:10.32920/ryerson.14656842

Towards Smart Drug Delivery: Exploration of a Molecularly Imprinted Polymer Network

2021· preprint· en· W4237250171 sur OpenAlexaff
Anessa Khan

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineChemistry
ThématiqueAnalytical chemistry methods development
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésMolecularly imprinted polymerMolecular imprintingNIPSmart polymerDrug deliveryPolymerAcrylamideChemistryMethacrylateCopolymerAqueous solutionSelf-healing hydrogelsChemical engineeringNuclear chemistryMaterials sciencePolymer chemistryOrganic chemistrySelectivityCatalysis

Résumé

récupéré en direct d'OpenAlex

The current study explores the concept of Molecular Imprinting Technology (MIT) and evaluates the ability of a molecularly imprinted hydrogel polymer (MIP) to preferentially uptake the template drug propranolol from aqueous solution. The extent of the molecular affinity and recognition was challenged by introducing a secondary competing structure during uptake. The release of propranolol as a response to environmental stimuli was investigated. The MIP was synthesized with copolymers methyl methacrylate (MMA) and N,N-dimethyl acrylamide (DMAA). Morphology was studied by scanning electron microscopy (SEM), ptake, displacement, and release experiments were studied by fluorescence spectroscopy. The SEM studies did not indicate the presence of molecularly imprinted cavities. The MIPs demonstrated preferential uptake in comparison to the non-imprinted (NIP) counterpart. The displacement studies revealed that uptake by the MIP is not very selective. The release studies demonstrated that ropranolol release can be tailored to respond to environmental stimuli such as temperature and, especially, pH.

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)0,000
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0000,001
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 Opus0,034
Tête enseignante GPT0,284
Écart entre enseignants0,250 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAnalytical chemistry methods developmentTravaux en français237 207