MétaCan
Menu
Retour à la cohorte
Enregistrement W4386164570 · doi:10.14447/jnmes.v26i3.a01

Carboxymethyl Tamarind Kernel Gum Nanoparticles; As an Antioxidant Activity

2023· article· en· W4386164570 sur OpenAlexvenueno aff
Jagram Meena, Sudhir G. Warkar, Devendra Verma

Notice bibliographique

RevueJournal of New Materials for Electrochemical Systems · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePolysaccharides Composition and Applications
Établissements canadiensnon disponible
Organismes subventionnairesDelhi Technological University
Mots-clésNanoparticleFourier transform infrared spectroscopyMaterials scienceThermogravimetric analysisAerogelTransmission electron microscopyNuclear chemistryScanning electron microscopePrecipitationKernel (algebra)BiopolymerParticle sizeChemical engineeringChemistryNanotechnologyPolymerMathematicsOrganic chemistryComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

The incorporation of biopolymer nanoparticles with potential antioxidant properties into biomaterials for human health care is significant. The current study focuses on nanoparticles carboxymethyl tamarind kernel gum (CMTKG) composite materials because of their potential applications. The co-precipitation method was used to create carboxymethyl tamarind kernel gum nanoparticles (CMTKG-NPs). This technique was used for the first time to create carboxymethyl tamarind kernel gum nanoparticles. The strength of nanoparticle conformation is reported to be influenced by co-precipitation and stirring time. Nanoparticles were characterised using high-resolution transmission electron microscopy (HR-TEM), field emission scanning electron microscopy (FE-SEM), fourier transform infrared (FTIR), x-ray diffraction analysis (XRD), and thermo-gravimetric analysis (TGA). Suspense particle sizes have been determined to be in the 40-60 nm range. It was concluded that similar nanoparticles could be used in antioxidant activities.

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 enseignants0,000
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,027
Tête enseignante GPT0,275
Écart entre enseignants0,248 · 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

Citations12
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of New Materials for Electrochemical SystemsMême sujetPolysaccharides Composition and ApplicationsTravaux en français237 207