Proline‐poor hydrophobic domains modulate the assembly and material properties of polymeric elastin
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Elastin is a self-assembling extracellular matrix protein that provides elasticity to tissues. For entropic elastomers such as elastin, conformational disorder of the monomer building block, even in the polymeric form, is essential for elastomeric recoil. The highly hydrophobic monomer employs a range of strategies for maintaining disorder and flexibility within hydrophobic domains, particularly involving a minimum compositional threshold of proline and glycine residues. However, the native sequence of hydrophobic elastin domain 30 is uncharacteristically proline-poor and, as an isolated polypeptide, is susceptible to formation of amyloid-like structures comprised of stacked β-sheet. Here we investigated the biophysical and mechanical properties of multiple sets of elastin-like polypeptides designed with different numbers of proline-poor domain 30 from human or rat tropoelastins. We compared the contributions of these proline-poor hydrophobic sequences to self-assembly through characterization of phase separation, and to the tensile properties of cross-linked, polymeric materials. We demonstrate that length of hydrophobic domains and propensity to form β-structure, both affecting polypeptide chain flexibility and cross-link density, play key roles in modulating elastin mechanical properties. This study advances the understanding of elastin sequence-structure-function relationships, and provides new insights that will directly support rational approaches to the design of biomaterials with defined suites of mechanical properties.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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