Evaluating the effect of graphene oxide <scp>PEGylation</scp> on the properties of chitosan‐graphene oxide nanocomposite scaffold
Notice bibliographique
Résumé
In this study, graphene oxide (GO) was functionalized with polyethylene glycol (PEG) to understand the effect of PEGlayted GO on properties of chitosan-based nanocomposite scaffold. GO was synthesized according to modified Hummer's method and covalently linked to polymeric chains of PEG to produce polyethylene glycolated GO (PGO). Successful preparation of GO and PGO was confirmed by FT-IR and Raman techniques, where the chemical bonding of PEG and GO nanosheets were concluded based on PGOs' lower zeta potential compared to GO. Nanocomposite scaffolds were prepared by adding equal amounts of GO and PGO into 2% (w/v) chitosan (Cs) solutions. The highly porous scaffolds were developed by lyophilization of solutions. Incorporation of GO and PGO into chitosan scaffold network resulted in uniform and spherical pores. Modified samples offered higher porosity and density, indicating adequate scaffold structure. Improvements in the physical properties of prepared chitosan scaffolds were concluded through higher water absorption and retention values. Compressive strength measurement showed 6.33 and 5.5 times improvement respectively for Cs-GO and Cs-PGO samples compared to Cs scaffold. The Cs-GO scaffolds showed minimum susceptibility toward enzymatic degradation and higher degrees of protein adsorption (26% and 23% improvement in value of adsorbed protein respectively for Cs-GO and Cs-PGO compared to Cs scaffold) and biomineral formation on scaffold surface. Also, Cs-PGO sample showed the highest degree of cell viability and lower hemolysis than both Cs and Cs-GO scaffolds. Investigations showed that cell infiltration into scaffold porous structure was more prominent in Cs-PGO scaffolds than in Cs and Cs-GO scaffolds.
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 | 0,012 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».