MétaCan
Menu
Retour à la cohorte
Enregistrement W4392095596 · doi:10.1002/adma.202312707

From Nature‐Sourced Polysaccharide Particles to Advanced Functional Materials

2024· article· en· W4392095596 sur OpenAlexafffund
Yingshan Ma, Sofia M. Morozova, Eugenia Kumacheva

Notice bibliographique

RevueAdvanced Materials · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHydrogels: synthesis, properties, applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaRussian Science Foundation
Mots-clésBiocompatibilityNanotechnologyMaterials scienceRaw materialDrug deliverySurface modificationPolymerFabricationBiochemical engineeringChemical engineeringOrganic chemistryChemistryComposite materialEngineering

Résumé

récupéré en direct d'OpenAlex

Polysaccharides constitute over 90% of the carbohydrate mass in nature, which makes them a promising feedstock for manufacturing sustainable materials. Polysaccharide particles (PSPs) are used as effective scavengers, carriers of chemical and biological cargos, and building blocks for the fabrication of macroscopic materials. The biocompatibility and degradability of PSPs are advantageous for their uses as biomaterials with more environmental friendliness. This review highlights the progresses in PSP applications as advanced functional materials, by describing PSP extraction, preparation, and surface functionalization with a variety of functional groups, polymers, nanoparticles, and biologically active species. This review also outlines the fabrication of PSP-derived macroscopic materials, as well as their applications in soft robotics, sensing, scavenging, water harvesting, drug delivery, and bioengineering. The paper is concluded with an outlook providing perspectives in the development and applications of PSP-derived materials.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,078
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,001

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 Opus0,011
Tête enseignante GPT0,256
Écart entre enseignants0,245 · 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.

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

Citations57
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced MaterialsMême sujetHydrogels: synthesis, properties, applicationsTravaux en français237 207