A review on microfluidic-assisted nanoparticle synthesis, and their applications using multiscale simulation methods
Notice bibliographique
Résumé
Recent years have witnessed an increased interest in the development of nanoparticles (NPs) owing to their potential use in a wide variety of biomedical applications, including drug delivery, imaging agents, gene therapy, and vaccines, where recently, lipid nanoparticle mRNA-based vaccines were developed to prevent SARS-CoV-2 causing COVID-19. NPs typically fall into two broad categories: organic and inorganic. Organic NPs mainly include lipid-based and polymer-based nanoparticles, such as liposomes, solid lipid nanoparticles, polymersomes, dendrimers, and polymer micelles. Gold and silver NPs, iron oxide NPs, quantum dots, and carbon and silica-based nanomaterials make up the bulk of the inorganic NPs. These NPs are prepared using a variety of top-down and bottom-up approaches. Microfluidics provide an attractive synthesis alternative and is advantageous compared to the conventional bulk methods. The microfluidic mixing-based production methods offer better control in achieving the desired size, morphology, shape, size distribution, and surface properties of the synthesized NPs. The technology also exhibits excellent process repeatability, fast handling, less sample usage, and yields greater encapsulation efficiencies. In this article, we provide a comprehensive review of the microfluidic-based passive and active mixing techniques for NP synthesis, and their latest developments. Additionally, a summary of microfluidic devices used for NP production is presented. Nonetheless, despite significant advancements in the experimental procedures, complete details of a nanoparticle-based system cannot be deduced from the experiments alone, and thus, multiscale computer simulations are utilized to perform systematic investigations. The work also details the most common multiscale simulation methods and their advancements in unveiling critical mechanisms involved in nanoparticle synthesis and the interaction of nanoparticles with other entities, especially in biomedical and therapeutic systems. Finally, an analysis is provided on the challenges in microfluidics related to nanoparticle synthesis and applications, and the future perspectives, such as large-scale NP synthesis, and hybrid formulations and devices.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».