Adsorption Dynamics of Uremic Toxins to Novel Modified Magnetic Nanoparticles
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
Kidney dysfunction leads to the retention of metabolites in the blood compartment, some of which reach toxic levels. Uremic toxins are associated with the progression of kidney disease and other symptoms of kidney failure (i.e., nausea, itchiness, and hypertension). Toxin removal ameliorates symptoms and reduces further organ damage, but membrane-based methods are inadequate for this purpose. Engineered adsorbents may facilitate enhanced removal of retained toxins, especially those bound strongly by proteins. Poly 2-(methacryloyloxy)ethyl phosphorylcholine-co-β-cyclodextrin (p(MPC-co-PMβCD)) coated magnetic nanoparticles are synthesized, characterized for their physicochemical properties (Fourier-transform infrared spectroscopy (FTIR), nuclear magnetic resonance (NMR), thermogravimetric analysis(TGA), gel permeation chromatography (GPC), and transmission electron microscope (TEM), and evaluated toxin adsorption from a complex solution for the first time to quantify the effects of film chemistry and incubation time on the adsorbed toxinome (the collection of toxins). Uremic toxins are bound by even "low-fouling" polymer films themselves; providing further insight into how small molecule interactions with "low-fouling" films may affect protein-surface interactions. These results suggest a dynamic interaction between toxins and surfaces that is not driven by solution concentration alone. This knowledge will help advance the design of novel adsorbent films for clearing uremic toxins.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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