MétaCan
Menu
Retour à la cohorte
Enregistrement W4383498828 · doi:10.1021/acs.biomac.3c00382

Self-Immolative Hydrogels with Stimulus-Mediated On–Off Degradation

2023· article· en· W4383498828 sur OpenAlexafffund
Jue Gong, Aneta Borecki, Elizabeth R. Gillies

Notice bibliographique

RevueBiomacromolecules · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSynthesis and properties of polymers
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésSelf-healing hydrogelsChemistryEthylene glycolPEG ratioPolymerLinkerBiophysicsPolymer chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Hydrogels are of interest for a wide range of applications from sensors to drug delivery and tissue engineering. Self-immolative polymers, which depolymerize from end-to-end following a single backbone or end-cap cleavage, offer advantages such as amplification of the stimulus-mediated cleavage event through a cascade degradation process. It is also possible to change the active stimulus by changing only a single end-cap or linker unit. However, there are very few examples of self-immolative polymer hydrogels, and the reported examples exhibited relatively poor stability in their nontriggered state or slow degradation after triggering. Described here is the preparation of hydrogels composed of self-immolative poly(ethyl glyoxylate) (PEtG) and poly(ethylene glycol) (PEG). Hydrogels formed from 2 kg/mol 4-arm PEG and 1.2 kg/mol PEtG with a light-responsive linker end-cap had high gel content (90%), an equilibrium water content of 89%, and a compressive modulus of 26 kPa. The hydrogel degradation could be turned on and off repeatedly through alternating cycles of irradiation and dark storage. Similar cycles could also be used to control the release of the anti-inflammatory drug celecoxib. These results demonstrate the potential for self-immolative hydrogels to afford a high degree of control over responses to stimuli in the context of smart materials for a variety of 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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,016
Tête enseignante GPT0,234
Écart entre enseignants0,218 · 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 source (Gemma direct ou Codex distillé), 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

Citations19
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomacromoleculesMême sujetSynthesis and properties of polymersTravaux en français237 207