新闻详情

新闻详情

首页 / 资讯中心 / 详情

刺激响应高分子|PS-b-P2VP聚苯乙烯‑b‑聚 2‑乙烯基吡啶 pH 响应嵌段共聚物

发布时间:2026/11/10 12:19:27来源:尧图网络
刺激响应高分子|PS-b-P2VP聚苯乙烯‑b‑聚 2‑乙烯基吡啶 pH 响应嵌段共聚物
PS-b-P2VPPolystyrene-block-Poly(2-vinylpyridine)聚苯乙烯-b-聚2-乙烯基吡啶是一类由疏水性聚苯乙烯PS嵌段与弱碱性/亲水性聚2-乙烯基吡啶P2VP嵌段通过共价键连接而成的两亲性嵌段共聚物。一、核心结构与基础参数‌分子结构‌通过RAFT活性聚合技术制备无统一固定CAS号分子量可按需定制典型产品分子量范围覆盖5k~40k Da分子量分布PDI可控制在1.05~1.3之间嵌段比例可精准调控。‌基础规格‌HPLC/GPC纯度≥95%外观为白色至类白色固体粉末良溶剂包括THF、DMF、二氧六环等疏水PS段倾向聚集亲水PAA段侧链带有大量羧基可在选择性水溶剂中自发自组装形成核壳胶束。‌pH响应特性‌PAA链段的羧基在pH 4~5区间发生质子化/去质子化可逆转变可直接调控自组装聚集体的粒径、表面电荷与形貌实现pH响应性结构转变。‌储存条件‌需密封置于‌常温干燥避光环境‌储存远离热源与强氧化剂避免长期暴露在紫外线下保质期2年。二、性能特点‌精准自组装特性‌在选择性溶剂中可自发形成热力学稳定的核壳胶束、囊泡、棒状等多种形貌疏水PS段向内聚集构成内核亲水PAA段向外舒展形成水合外壳形貌完全由两嵌段的体积分数精准调控是纳米自组装领域的经典“教科书分子”。‌高可修饰性‌PAA链段侧链的大量羧基可通过EDC/NHS酰胺化反应高效偶联靶向配体、荧光染料、活性蛋白等功能分子实现高分子体系的多功能化定制。‌低临界胶束浓度‌形成的胶体分散体系稳定性优异在水相中长时间保持分散状态不易出现颗粒团聚沉降远低于普通小分子表面活性剂的临界胶束浓度。‌窄分子量分布‌RAFT活性聚合技术保证分子量分布极窄批次重现性好分子结构均一性高完全满足精细化纳米结构制备的严苛精度要求。三、科研应用场景‌pH响应型药物载体构建‌自组装形成的核壳胶束可高效包埋疏水性抗肿瘤药物利用PAA段的pH响应特性在肿瘤微酸环境下触发药物可控释放大幅降低药物的正常组织毒副作用。‌纳米颗粒分散稳定剂‌依靠PAA链段羧基与纳米颗粒表面的强相互作用显著改善金纳米颗粒、四氧化三铁纳米颗粒、量子点等纳米粉体在水相体系中的分散效果完全抑制纳米颗粒团聚。‌有序多孔纳米模板制备‌固态薄膜中发生微相分离形成有序纳米畴结构选择性刻蚀PAA相后得到有序介孔模板用于制备有序纳米线阵列、光子晶体等微纳结构材料。‌Pickering乳液稳定剂‌作为两亲性高分子乳化剂制备高稳定性的Pickering乳液用于乳液聚合、界面催化等领域大幅提升乳液体系的耐盐、耐温稳定性。‌重金属离子吸附材料‌借助PAA链段羧基的强螯合作用制备响应型吸附材料高效吸附水体系中的铅、镉等重金属离子用于环境水处理相关研究。CHO-peg-ps醛基-聚乙二醇-聚苯乙烯MA-PEG-PS甲基丙烯酸酯-聚乙二醇-聚苯乙烯NHS-PEG-PS N-羟基琥珀酰亚胺酯-聚乙二醇-聚苯乙烯HO-PEG-PS羟基-聚乙二醇-聚苯乙烯PS-PEG-NH2聚苯乙烯-b-聚乙二醇-氨基PS-PEG-Mal聚苯乙烯-聚乙二醇-马来酰亚胺CHO-PEG-paa醛基-聚乙二醇-聚丙烯酸COOH-PEG-PAA羧基-聚乙二醇-聚丙烯酸Mal-PEG-paa马来酰亚胺-聚乙二醇-聚丙烯酸MA-PEG-paa甲基丙烯酸酯-聚乙二醇-聚丙烯酸NH2-PEG-paa氨基-聚乙二醇-聚丙烯酸NHS-PEG-paa N-羟基琥珀酰亚胺酯-聚乙二醇-聚丙烯酸HO-PEG-paa羟基-聚乙二醇-聚丙烯酸
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/10 4:49:37

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/9 8:37:19

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/10 9:14:31

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/10 1:10:29

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/9 8:37:18

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/9 8:37:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉