From Structure to Function: Understanding Synthetic Conditions in Relation to Magnetic Properties of Hybrid Pd/Fe-Oxide Nanoparticles
Notice bibliographique
Résumé
Heterostructured magnetic nanoparticles show great potential for numerous applications in biomedicine due to their ability to express multiple functionalities in a single structure. Magnetic properties are generally determined by the morphological characteristics of nanoparticles, such as the size/shape, and composition of the nanocrystals. These in turn are highly dependent on the synthetic conditions applied. Additionally, incorporation of a non-magnetic heterometal influences the final magnetic behavior. Therefore, construction of multifunctional hybrid nanoparticles with preserved magnetic properties represents a certain nanotechnological challenge. Here, we focus on palladium/iron oxide nanoparticles designed for combined brachytherapy, the internal form of radiotherapy, and MRI-guided hyperthermia of tumors. The choice of palladium forming the nanoparticle core is envisioned for the eventual radiolabeling with 103Pd to enable the combination of hyperthermia with brachytherapy, the latter being beyond the scope of the present study. At this stage, we investigated the synthetic mechanisms and their effects on the final magnetic properties of the hybrid nanoparticles. Thermal decomposition was applied for the synthesis of Pd/Fe-oxide nanoparticles via both, one-pot and seed-mediated processes. The latter method was found to provide better control over morphology of the nanoparticles and was therefore examined closely by varying reaction conditions. This resulted in several batches of Pd/Fe-oxide nanoparticles, whose magnetic properties were evaluated, revealing the most relevant synthetic parameters leading to promising performance in hyperthermia and MRI.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,004 | 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 ».