Synthesis, Characterization and Stress-Testing of a Novel Quillaja Saponin Stabilized Oil-in-Water Phytocannabinoid Nanoemulsion
Notice bibliographique
Résumé
<div>This study describes the design, optimization, and stress-testing of a novel phytocannabinoid nanoemulsion generated using high-pressure homogenization. QNaturale®, a plant-derived commercial emulsifier containing quillaja saponin, was used to stabilize the lipid phase droplets in water. Optimization studies revealed that after 10 homogenization cycles at a pressure of 30,000 psi in the presence of 10 wt% QNaturale® (1.5 wt% quillaja saponin), average nanoemulsion droplet diameters were ca.</div><div>120 nm and average droplet surface zeta-potentials were ca. -30 mV for a lipid phase comprising 16.6 wt% CBD-enriched cannabis extract and 83.4 wt% carrier (soybean) oil. The optimized nanoemulsion proved to be stable to droplet agglomeration and phase separation upon storage under ambient conditions for 6 weeks, as well as under a variety of physical stressors such as heat, cold, dilution, and</div><div>carbonation. pH values under 2 and moderately high salt concentrations (> 100 mM), however, destabilized 0the CD<sub>CBD</sub> nanoemulsion, eventually leading to phase separation. Cannabis potency, determined by HPLC, was detrimentally affected by any changes in the nanoemulsion phase stability. Quillaja saponin stabilized cannabidiol (CBD)-enriched nanoemulsions are stable, robust systems even at low emulsifier concentrations, and are therefore significant from both a scientific as well as a commercial perspective.</div>
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) | 0,001 | 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 ».