MétaCan
Menu
Retour à la cohorte
Enregistrement W4306194626 · doi:10.1126/sciadv.abq0160

Molecular insights on the crystalline cellulose-water interfaces via three-dimensional atomic force microscopy

2022· article· en· W4306194626 sur OpenAlexaff
Ayhan Yurtsever, Pei‐Xi Wang, Fabio Priante, Ygor Morais Jaques, Keisuke Miyazawa, Mark J. MacLachlan, Adam S. Foster, Takeshi Fukuma

Notice bibliographique

RevueScience Advances · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesAalto-YliopistoMinistry of Education, Culture, Sports, Science and TechnologyKanazawa University
Mots-clésCelluloseBiopolymerMolecular dynamicsAtomic force microscopyMoleculeMaterials scienceChemical physicsNanotechnologyChemical engineeringBacterial celluloseAnisotropyChemistryComputational chemistryPolymerOrganic chemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Cellulose, a renewable structural biopolymer, is ubiquitous in nature and is the basic reinforcement component of the natural hierarchical structures of living plants, bacteria, and tunicates. However, a detailed picture of the crystalline cellulose surface at the molecular level is still unavailable. Here, using atomic force microscopy (AFM) and molecular dynamics (MD) simulations, we revealed the molecular details of the cellulose chain arrangements on the surfaces of individual cellulose nanocrystals (CNCs) in water. Furthermore, we visualized the three-dimensional (3D) local arrangement of water molecules near the CNC surface using 3D AFM. AFM experiments and MD simulations showed anisotropic water structuring, as determined by the surface topologies and exposed chemical moieties. These findings provide important insights into our understanding of the interfacial interactions between CNCs and water at the molecular level. This may allow the establishment of the structure-property relationship of CNCs extracted from various biomass sources.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,020
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,002
Communication savante0,0000,001
Science ouverte0,0020,002
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 Opus0,014
Tête enseignante GPT0,286
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 tête enseignante, pas un consensus.

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

Citations52
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207