Stringing them along: The pores of a mesoporous silica particle were filled with guest molecules and then blocked by threading cyclodextrin molecules (CDs) onto the surface-grafted polyethylenimine (PEI) chains at pH 11. At pH 5.5, the guest molecules can be released from the pores of the particle by reversible dethreading of the CDs from the PEI chains. Supporting information for this article is available on the WWW under http://www.wiley-vch.de/contents/jc_2002/2007/z603404_s.pdf or from the author. Please note: The publisher is not responsible for the content or functionality of any supporting information supplied by the authors. Any queries (other than missing content) should be directed to the corresponding author for the article.

We have synthesized a highly efficient organic dye for a dye-sensitized solar cell; the overall solar-to-energy conversion efficiency was 9.1% at AM 1.5 illumination (100 mW cm−2): short-circuit current density (Jsc) = 18.1 mA cm−2, open circuit photovoltage (Voc) = 743 mV and fill factor (ff) = 0.675.

We report biocompatible, cell-permeable core–shell–corona polymer micelles bearing glutathione-cleavable shell cross-links, which allow the facilitated release of entrapped anticancer drugs at cytoplasm in response to an intracellular glutathione level.

The cyclodextrin covered porous silica nanoparticles (Si-MPs) exhibited enzyme responsive characteristics. The cyclodextrin gatekeepers on the surface of Si-MPs can be hydrolyzed by a-amylase to release guest molecules from the porous reservoir. The ester linkage in the stalk part of the cyclodextrin gatekeeper can also be cleaved by lipase to release guests from the channel. Our approach would provide a unique methodology for controlled delivery systems.

Cyclodextrins tethered onto a mesoporous silica nanoparticle via disulfide stalking are effective gatekeepers not only to entrap guest molecules in the pore but also to release the guest in response to glutathione (GSH). The PEGylated nanocontainers also exhibit efficient GSH-mediated release of doxorubicin in cancer cells. Our approach offers unique applications for multifunctional delivery systems. Detailed facts of importance to specialist readers are published as "Supporting Information". Such documents are peer-reviewed, but not copy-edited or typeset. They are made available as submitted by the authors. Please note: The publisher is not responsible for the content or functionality of any supporting information supplied by the authors. Any queries (other than missing content) should be directed to the corresponding author for the article.

Abstract A facile, scalable route to new nanocomposites that are based on carbon nanotubes/heteroatom‐doped carbon (CNT/HDC) core–sheath nanostructures is reported. These nanostructures were prepared by the adsorption of heteroatom‐containing ionic liquids on the walls of CNTs, followed by carbonization. The design of the CNT/HDC composite allows for combining the electrical conductivity of the CNTs with the catalytic activity of the heteroatom‐containing HDC sheath layers. The CNT/HDC nanostructures are highly active electrocatalysts for the oxygen reduction reaction and displayed one of the best performances among heteroatom‐doped nanocarbon catalysts in terms of half‐wave potential and kinetic current density. The four‐electron selectivity and the exchange current density of the CNT/HDC nanostructures are comparable with those of a Pt/C catalyst, and the CNT/HDC composites were superior to Pt/C in terms of long‐term durability and poison tolerance. Furthermore, an alkaline fuel cell that employs a CNT/HDC nanostructure as the cathode catalyst shows very high current and power densities, which sheds light on the practical applicability of these new nanocomposites.

This study aimed to develop a predictive model using lifestyle behavioral factors related to chronic skin disease symptoms and machine learning techniques. A cross-sectional survey was conducted among patients with chronic skin diseases currently receiving treatment at 19 Saengki Korean Medical Clinics specializing in the treatment of chronic skin diseases. Data were collected from 264 participants through an online survey conducted over a three-month period. We used changes in patients' skin symptoms as the dependent variable and lifestyle, behavioral, and treatment variables that affect chronic skin disease remission as predictors. Based on previous studies, we evaluated the performance of the six models using machine learning techniques (decision tree, logistic regression [LR], random forest [RF], CatBoost, gradient boosting classifier, and LightGBM) that are commonly used to create predictive models using categorical factors. The results showed that RF and LR performed well. We selected LR as the final model based on the confusion matrix and receiver operating characteristic (ROC) curve. The LR results showed that herbal medicine use and hospital visits were associated with chronic skin disease symptoms, whereas the RF results showed that herbal medicine use, exercise, and wheat flour consumption were associated with chronic skin disease symptoms. These findings suggest that both the treatment and lifestyle behaviors are associated with chronic skin disease symptoms.