MétaCan
Menu
Retour à la cohorte
Enregistrement W4240666546 · doi:10.32920/ryerson.14648505

Surface-active solid lipid nanoparticles for emulsion stabilization

2021· preprint· en· W4240666546 sur OpenAlexaff
Renuka Tanmay Gupta

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMaterials Science
ThématiquePickering emulsions and particle stabilization
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceDifferential scanning calorimetryParticle sizeDynamic light scatteringCrystallizationZeta potentialContact angleAnalytical Chemistry (journal)Melting pointSolid lipid nanoparticleNanoparticleEmulsionChemical engineeringChromatographyChemistryNanotechnologyComposite materialThermodynamics

Résumé

récupéré en direct d'OpenAlex

Solid lipid nanoparticles (SLNs) consisting of the food grade surfactant lipid glyceryl stearate citrate (GSC) were prepared using hot melt emulsification and high-pressure homogenization. Flash-cooling of the resultant oil-in-water nanoemulsions led to the formation of GSC SLNs. The effective mean particle size of the SLNs was ~180 nm by dynamic light scattering and the volume-weighted mean particle size was ~152 nm by laser diffraction, with a zeta (ζ) potential of ~-49 mV. Effective mean particle size and ζ potential were stable for 24 wk. An equilibrium contact angle of ~108.7⁰ measured through oil phase was obtained, suggesting a wettable lipid surface. The melting curve of the SLNs obtained by differential scanning calorimetry showed a significantly lower melting point and broader peak as compared to the bulk GSC, which was attributed to the nano-scale particle size. Unusually, the cooling curve showed an identical crystallization temperature as that for the bulk GSC, which suggested surface heterogeneous crystallization of the SLNs. Subsequent heating-cooling cycles confirmed the existence of nanosized particles in the sample during thermal analysis. Transmission electron (TEM) and atomic force microscopy (AFM) both revealed anisometric, flattened SLNs with circular or elliptical shapes. SLNs were studied for their effectiveness as colloidal emulsifiers in oil-in-water (o/w) emulsions. The generated o/w emulsions had a volume-weighted mean droplet size of ~459 nm by laser diffraction and ζ potential of ~-43 mV. The emulsions were stable for up to 12 wk. as observed for macroscopic changes by inverted light microscopy. TEM images pointed to the presence of a Pickering-type network stabilizing the emulsions. With time, desorption of the SLNs from the oil droplet surface into the continuous aqueous environment, coupled with Ostwald ripening, resulted in destabilization of the emulsions. Overall, these results demonstrated that stabilization of o/w emulsions was achievable using SLNs as the sole emulsifiers.

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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

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 savante0,0000,000
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 Opus0,043
Tête enseignante GPT0,314
Écart entre enseignants0,271 · 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
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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPickering emulsions and particle stabilizationTravaux en français237 207