MétaCan
Menu
Retour à la cohorte
Enregistrement W4313216555 · doi:10.1016/j.colcom.2022.100684

Impact of physiological media and sterilization methods on the physicochemical characteristics of engineered CNCs, and the effects on nanomaterial-protein interactions and immunological activity

2022· article· en· W4313216555 sur OpenAlexfundno aff
Hoang Nguyen, Alexandre Bernier, Richard Chandradat, Rajesh Sunasee, Karina Ckless

Notice bibliographique

RevueColloids and Interface Science Communications · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesInnotech AlbertaNational Science Foundation
Mots-clésNanomaterialsSurface chargeBiomoleculeChemistryColloidElectrophoresisParticle sizeSterilization (economics)Materials scienceNanotechnologyChromatography

Résumé

récupéré en direct d'OpenAlex

The biological properties of nanomaterials are impacted by their interactions with biomolecules. The interaction of nanomaterials with proteins is highly influenced by the intrinsic physicochemical properties of the nanomaterials as well as by the surrounding environment. In this study, we assessed surface charge, apparent particle size and size distribution of autoclaved and filtered colloidal suspensions of cellulose nanocrystals (CNCs) in different physiologically media. We also investigated the protein corona of these preparations of CNCs in cell culture medium with serum, using gel electrophoresis and silver staining. Furthermore, we evaluated their immune properties in cell-based assays. Our results indicated that regardless of the sterilization methods, their intrinsic physicochemical properties were most affected by the medium. The autoclaved suspensions of CNCs showed the most quantity of associated proteins, while the filtered suspensions showed the greatest variety of it. The immune activity of colloidal suspensions of CNCs was cell type- and cytokine- dependent.

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)0,001
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 enseignants0,041
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,003
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,044
Tête enseignante GPT0,380
Écart entre enseignants0,336 · 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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueColloids and Interface Science CommunicationsMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207