MétaCan
Menu
Retour à la cohorte
Enregistrement W4399352440 · doi:10.1016/j.ijbiomac.2024.132878

Granular hydrogels with tunable properties prepared from gum Arabic and protein microgels

2024· article· en· W4399352440 sur OpenAlexaff
Xuhui Kan, Sitian Zhang, Esther Kwok, Yifu Chu, Lingyun Chen, Xiaoxiong Zeng

Notice bibliographique

RevueInternational Journal of Biological Macromolecules · 2024
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésSelf-healing hydrogelsPorosityMaterials scienceGum arabicCompressive strengthMicrostructureChemical engineeringArabicWhey protein isolateComposite materialElastic modulusRheologyModulusComposite numberWhey proteinChemistryPolymer chemistryChromatographyFood science

Résumé

récupéré en direct d'OpenAlex

Granular hydrogels have emerged as a new class of materials for 3D printing, tissue engineering, and food applications due to their extrudability, porosity, and modularity. This work introduces a convenient method to prepare granular hydrogel with tunable properties by modulating the interaction between gum Arabic (GA) and whey protein isolate (WPI) microgels. As the concentration of GA increased, the appearance of the hydrogel changed from fluid liquid to moldable solid, and the microstructure changed from a macro-porous structure with thin walls to a dense structure formed by the accumulation of spherical particles. At a GA concentration of 0.5 %, the hydrogels remained fluid. Granular hydrogels containing 1.0 % GA showed mechanical properties similar to those of tofu (compressive strength: 10.8 ± 0.5 kPa, Young's modulus: 16.7 ± 0.4 kPa), while granular hydrogels containing 1.5 % GA showed mechanical properties similar to those of hawthorn sticks and sausages (compressive strength: 300.4 ± 5.8 kPa; Young's modulus: 200.5 ± 3.4 kPa). The hydrogel with 2.0 % GA was similar to hawthorn sticks, with satisfactory bite resistance and elasticity. Such tunability has led to various application potentials in the food industry to meet consumer demand for healthy, nutritious, and diverse textures.

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 enseignants0,037
Score d'incertitude au seuil0,347

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)0,0000,000

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 Opus0,018
Tête enseignante GPT0,245
Écart entre enseignants0,227 · 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

Citations19
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Biological MacromoleculesMême sujet3D Printing in Biomedical ResearchTravaux en français237 207