Liquids 期刊正式被Scopus收录 | MDPI News

发表时间:2025-01-17 阅读量:86

2025年1月,MDPI期刊 Liquids 正式被Scopus收录。在此,Liquids 向为期刊发展作出巨大贡献的主编、栏目主编、编委、客座编辑、审稿专家和作者们表示衷心的感谢,向长期关注期刊发展的读者致以诚挚的谢意!


截至目前,MDPI已出版期刊460个,其中309个期刊已被Scopus收录 (查看Scopus详细名单,请点击:https://www.mdpi.com/about/journals/scopus)。

 

 

期刊简介

 


Liquids (ISSN 2673-8015) 是一个国际性、跨学科的开放科学期刊,旨在开展严格的同行评审,助力涵盖液态材料研究各个方面的成果得以快速发表。本刊致力于增进对简单与复杂液体或混合物 (包括玻璃态物质和液晶) 的认知。期刊目前设有“Molecular Liquids” “Chemical Physics of Liquids” 和 “Physics of Liquids” 三个栏目。


点击链接,订阅期刊最新资讯:https://www.mdpi.com/journal/liquids/toc-alert

 

期刊范围

 

    一般溶液;

    依数性质;

    有机溶剂及其应用;

    离子液体、深共晶溶剂及其应用;

     表面活性剂和胶体溶液;

    液晶;

    液体和玻璃的结构测定 (散射、X射线、中子等);

    液体模型和理论;

    涉及液体的过渡相;

    液相色谱法;

    表面上的液体 (润湿等);

    溶液中的溶剂化过程和配位化学;

    液体中的流体力学;

    电解液。

 

期刊编委

 

           ●  期刊主编

 

Prof. Dr. Enrico Bodo

University of Rome “La Sapienza”, Italy

 

           ●  栏目主编

 

Prof. Dr. William E. Acree, Jr.

University of North Texas, USA

 


Dr. Cory Pye

Saint Mary's University, Canada

 

投稿优势

 

   ●  更高文章曝光度

除Scopus之外,Liquids 目前还被CAPlus/SciFinder、EBSCO等数据库收录。


   ●  更快发表速度

与传统的订阅和印刷期刊相比,Liquids 通常能更快地在线发表被接收的文章。

Time to First Decision 23.4 Days
Acceptance to Publication 5.5 Days


   ●  开放获取

读者可以免费阅读期刊文章。


   ●  作者持有版权

 

 

精选文章


文章 1

 

Oral Drug Delivery via Intestinal Lymphatic Transport Utilizing Lipid-Based Lyotropic Liquid Crystals

利用基于脂质的溶致液晶通过肠道淋巴运输进行口服药物输送

Linh Dinh and Bingfang Yan

https://www.mdpi.com/2567114


本文探讨了对于肠道淋巴运输利用脂质基础的液晶 (LLCs) 进行口服药物递送的可能性,旨在解决口服药物生物利用度低和首过效应的问题。研究指出,肠道淋巴途径能够有效避免首过代谢,从而提高药物的生物利用度。LLCs系统具有良好的药物包埋效率和稳定性,尤其是在药物释放和淋巴运输方面表现出色。文章还探讨了微折叠细胞 (M细胞) 通道的靶向,通过将免疫刺激剂与LLC结合,增强了抗原的运输效率,促进了免疫反应。总体而言,LLCs作为一种新型的智能药物递送平台,具有良好的淋巴靶向能力和保护药物的能力,为口服给药提供了有效的解决方案。未来的研究可以进一步探索LLCs在疫苗递送和其他生物制剂中的应用潜力,并对其生物相容性、毒性及生产工艺进行深入研究。


点击链接,阅读英文原文:https://www.mdpi.com/2567114

原文出自 Liquids 期刊

Dinh, L.; Yan, B. Oral Drug Delivery via Intestinal Lymphatic Transport Utilizing Lipid-Based Lyotropic Liquid Crystals. Liquids 2023, 3, 456-468.

 

文章 2

 

Linear Solvation–Energy Relationships (LSER) and Equation-of-State Thermodynamics: On the Extraction of Thermodynamic Information from the LSER Database

线性溶剂化-能量关系 (LSER) 和状态方程热力学:从LSER数据库中提取热力学信息

Costas Panayiotou et al.

https://www.mdpi.com/2064218


本文深入探讨了氢键形成过程中自由能变化的热力学框架,并建立了氢键相互作用的部分溶剂参数 (PSP) 与线性溶剂-能量关系 (LSER) 模型之间的联系。本文为氢键相互作用及其在溶剂-溶质模型中的行为提供了多层次的热力学框架,并为今后的研究提供了可行的方向与方法论。总的来说,该研究提升了我们对溶剂化自由能、活度系数等热力学量的理解,为化学和材料科学中的应用打下了理论基础。


点击链接,阅读英文原文:https://www.mdpi.com/2064218

原文出自 Liquids 期刊

Panayiotou, C.; Zuburtikudis, I.; Abu Khalifeh, H.; Hatzimanikatis, V. Linear Solvation–Energy Relationships (LSER) and Equation-of-State Thermodynamics: On the Extraction of Thermodynamic Information from the LSER Database. Liquids 2023, 3, 66-89.

 

文章 3

 

Abraham General Solvation Parameter Model: Predictive Expressions for Solute Transfer into Isobutyl Acetate

Abraham通用溶剂化参数模型:溶质向乙酸异丁酯转移的预测表达式

Ramya Motati et al.

https://www.mdpi.com/2853444


本文探讨了有机溶剂在化学制造中的重要性,特别是通过选择合适的溶剂来优化反应过程和提高产品产量。文中研究的核心是开发Abraham模型表达式,以预测固体非电解质有机化合物在异丁酸酯中的溶解度。本文通过多元线性回归分析,基于49种有机溶质的实验数据,成功推导出两条Abraham模型表达式,分别用于估算水-异丁酸酯和气体-异丁酸酯的分配系数。此外,这两条基于Abraham模型的表达式能够准确预测固体非电解质有机化合物在异丁酸乙酯中的溶解度,具有较高的实用价值。该研究关注环境友好的溶剂替代品,为工业制造过程中选择合适的有机溶剂提供了重要参考,符合可持续发展的需求。


点击链接,阅读英文原文:https://www.mdpi.com/2853444

原文出自 Liquids 期刊

Motati, R.; Kandi, T.; Francis, J.; Chen, J.; Yao, E.; Motati, S.; Chen, A.; Kumarandurai, D.; Shanmugam, N.; Acree, W.E., Jr. Abraham General Solvation Parameter Model: Predictive Expressions for Solute Transfer into Isobutyl Acetate. Liquids 2024, 4, 470-484.

 

文章 4

 

A Machine Learning Free Energy Functional for the 1D Reference Interaction Site Model: Towards Prediction of Solvation Free Energy for All Solvent Systems

一维参考相互作用位点模型的机器学习自由能函数:预测所有溶剂系统的溶剂化自由能

Jonathan G. M. Conn, Abdullah Ahmad and David S. Palmer

https://www.mdpi.com/3033620


本文提出了一种基于机器学习的自由能函数,旨在通过1D参考相互作用位点模型 (1D-RISM) 来准确预测多种溶剂系统的溶解自由能 (SFE)。研究背景中指出,传统的SFE测定方法复杂且耗时,而机器学习结合1D-RISM能够提高预测的准确性和效率。研究方法包括使用卷积神经网络 (CNN) 对1D-RISM计算结果进行训练,利用大量实验数据 (2698个样本) 来构建模型。1D-RISM方法通过求解积分方程,描述了溶质与溶剂之间的相互作用,从而计算出溶解自由能。最终模型在多个溶剂系统上表现出良好的预测性能,RMSE为1.41 kcal/mol,R2为0.89;经过重训练后,RMSE降至1.35 kcal/mol,R2升至0.91。本文展示了机器学习在化学领域的应用潜力,为相关研究提供了新的思路和方法。


点击链接,阅读英文原文:https://www.mdpi.com/3033620

原文出自 Liquids 期刊

Conn, J.G.M.; Ahmad, A.; Palmer, D.S. A Machine Learning Free Energy Functional for the 1D Reference Interaction Site Model: Towards Prediction of Solvation Free Energy for All Solvent Systems. Liquids 2024, 4, 710-731.

 

 

精选特刊

 

特刊 1

 

Thermodynamics of Molecular Complexation and Hydrogen Bonding in Solution Chemistry—A Themed Issue Honoring Professor Dr. Boris N. Solomonov

Edited by William E. Acree, Jr. and Mikhail I. Yagofarov

Submission Deadline: 31 March 2025

点击链接,点解特刊详情:https://www.mdpi.com/si/214662

 

特刊 2

 

Nanocarbon-Liquid Systems

Edited by Nikolay O. Mchedlov-Petrossyan

Submission Deadline: 31 August 2025

点击链接,点解特刊详情:https://www.mdpi.com/si/152663