MétaCan
Menu
Retour à la cohorte
Enregistrement W4413816726 · doi:10.3390/nano15171330

A Mean Field Poisson–Boltzmann Theory Assessment of Copper Oxide Nanosheets Interaction Potential in Physiological Fluids

2025· article· en· W4413816726 sur OpenAlexafffund
Mumuni Amadu, Nafisat Motunrayo Raheem, Adango Miadonye

Notice bibliographique

RevueNanomaterials · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticles: synthesis and applications
Établissements canadiensCape Breton University
Organismes subventionnairesCape Breton University
Mots-clésPoisson–Boltzmann equationCopperMean field theoryPoisson distributionField (mathematics)Statistical physicsCopper oxideMaterials sciencePhysicsMathematicsCondensed matter physicsMetallurgyStatisticsQuantum mechanicsPure mathematicsIon

Résumé

récupéré en direct d'OpenAlex

In recent times, copper oxide nanosheets (CONSs) have shown a broad spectrum of industrial uses due to their unique properties, including high electrical conductivity, surface-enhanced catalytic activity, etc. Therefore, industrial processes involved in their manufacture can give rise to airborne particulates. Several in vivo studies have reported toxicity of these nanoparticles due to their interactions with biological molecules. Generally, literature-based assessment of their toxicity has centered on experimental findings. In this paper, we report for the first time, trend in CONSs interactions in intracellular and extracellular fluids, using the Nonlinear Mean Field Poisson-Boltzmann theory. Our theoretical prediction for zeta potential in the extracellular fluid environment align with published values in the literature. Based on this theoretical approach, we also demonstrate that double layer disjoining pressure due to interacting double layers of CONSs is generally higher in intracellular fluids. The findings of our theoretical approach highlight the importance of predicting the extent of cellular uptake potential of CONSs in organs that are prone to such airborne environmental particulates.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge 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 enseignants0,018
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0010,000

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 Opus0,016
Tête enseignante GPT0,313
Écart entre enseignants0,297 · 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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNanomaterialsMême sujetNanoparticles: synthesis and applicationsTravaux en français237 207