MétaCan
Menu
Retour à la cohorte
Enregistrement W4379376426 · doi:10.1021/acsmacrolett.3c00153

Architecture-Based Programming of Polymeric Micelles to Undergo Sequential Mesophase Transitions

2023· article· en· W4379376426 sur OpenAlexfundno aff
Parul Rathee, Nicole Edelstein‐Pardo, Francesca Netti, Lihi Adler‐Abramovich, Amit Sitt, Roey J. Amir

Notice bibliographique

RevueACS Macro Letters · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSupramolecular Self-Assembly in Materials
Établissements canadiensnon disponible
Organismes subventionnairesFacultad de Ciencias Exactas, Universidad Nacional de La PlataTel Aviv UniversityAzrieli FoundationIsrael Science Foundation
Mots-clésMicelleSelf-healing hydrogelsMesophaseAmphiphilePolymerMaterials scienceDegradation (telecommunications)Chemical engineeringCopolymerOrganic chemistryPolymer chemistryChemistryComputer scienceAqueous solutionComposite materialLiquid crystal

Résumé

récupéré en direct d'OpenAlex

Di- and triblock amphiphiles can form different mesophases ranging from micelles to hydrogels depending on their chemical structures, hydrophilic to hydrophobic ratios, and their ratio in the mixture. In addition, their different architectures dictate their exchange rate between the assembled and unimer states and consequently affect their responsiveness toward enzymatic degradation. Here we report the utilization of the different reactivities of di- and triblock amphiphiles, having exactly the same hydrophilic to lipophilic balance, toward enzymatic degradation as a tool for programming formulations to undergo sequential enzymatically induced transitions from (i) micelles to (ii) hydrogel and finally to (iii) dissolved polymers. We show that the rate of transition between the mesophases can be programmed by changing the ratio of the amphiphiles in the formulation, and that the hydrogels can maintain encapsulated cargo, which was loaded into the micelles. The reported results demonstrate the ability of molecular architecture to serve as a tool for programming smart formulations to adopt different structures and functions.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,017
Score d'incertitude au seuil0,963

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,015
Tête enseignante GPT0,270
Écart entre enseignants0,255 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Macro LettersMême sujetSupramolecular Self-Assembly in MaterialsTravaux en français237 207