Synthesis of Alginate Nanoparticles Using Hydrolyzed and Enzyme-Digested Alginate Using the Ionic Gelation and Water-in-Oil Emulsion Method
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Alginate nanoparticles (AlgNPs) are attracting increasing interest for a range of applications because of their good biocompatibility and their ability to be functionalized. Alginate is an easily accessible biopolymer which is readily gelled by the addition of cations such as calcium, facilitating a cost-effective and efficient production of nanoparticles. In this study, AlgNPs based on acid hydrolyzed and enzyme-digested alginate were synthesized by using ionic gelation and water-in-oil emulsification, with the goal to optimize key parameters to produce small uniform (<200 nm) AlgNPs. By the ionic gelation method, such AlgNPs were obtained when sample concentrations were 0.095 mg/mL for alginate and CaCl2 in the range of 0.03–0.10 mg/mL. Alginate and CaCl2 concentrations > 0.10 mg/mL resulted in sizes > 200 nm with relatively high dispersity. Sonication in lieu of magnetic stirring proved to further reduce size and increase homogeneity of the nanoparticles. In the water-in-oil emulsification method, nanoparticle growth was confined to inverse micelles in an oil phase, resulting in lower dispersity. Both the ionic gelation and water-in-oil emulsification methods were suitable for producing small uniform AlgNPs that can be further functionalized as required for various applications.
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.
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) | 0,000 | 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 découle