MétaCan
Menu
Retour à la cohorte
Enregistrement W4409493807 · doi:10.1021/acs.langmuir.5c00144

Investigating the Competitive Adsorption of Polymer-Bisphosphonate Ligands on Lanthanide Nanoparticles

2025· article· en· W4409493807 sur OpenAlexafffund
Mahtab Abtahi, Edmond C. N. Wong, Yang Liu, Mitchell A. Winnik

Notice bibliographique

RevueLangmuir · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueLanthanide and Transition Metal Complexes
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésLanthanideAdsorptionNanoparticleChemistryPolymerChemical engineeringNanotechnologyInorganic chemistryOrganic chemistryMaterials science

Résumé

récupéré en direct d'OpenAlex

We describe the binding of five “stealth” polymers to the surface of NaYF 4:Yb,Er NPs with diameters of 20 and 24 nm. All polymers had a neridronate (Ner) end group that provided a bisphosphonate to promote strong binding to the lanthanide NP (LnNP) surface. The polymers included four poly(ethylene glycol) (PEG) samples with M n = 2000 and 5000 and a zwitterionic poly(sulfobetaine methacrylate) (PSBMA, DP = 35). At surface saturation, the polymers had densities ranging from 2.3 to 3.8 nm 2 /polymer, and all provided excellent colloidal stability in PBS buffer. Ligand exchange experiments for samples aged 24 h after treatment with the first polymer ligand showed that PEG-Ner was more effective at displacing PSBMA-Ner than the reverse reaction. One surprising result is that PEG-Ner polymers with a distal azide group bound to the nanoparticles (NPs) at higher surface density than the corresponding methoxy-PEG polymers. Another set of surprising results is that when methoxy-PEG-Ner samples competed with PSBMA-Ner, more PSBMA than PEG became bound to the surface. However, when the azide-PEG-Ner samples competed with PSBMA-Ner, more PEG than PSBMA became bound to the surface.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,017
Tête enseignante GPT0,252
Écart entre enseignants0,235 · 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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLangmuirMême sujetLanthanide and Transition Metal ComplexesTravaux en français237 207