Protein Fragment Reconstitution as a Driving Force for Self‐Assembling Reversible Protein Hydrogels
Notice bibliographique
Résumé
Due to their potential biomedical applications, protein‐based hydrogels have attracted considerable interest. Although various methods have been developed to engineer self‐assembling, physically‐crosslinked protein hydrogels, exploring novel driving forces to engineer such hydrogels remains challenging. Protein fragment reconstitution, also known as fragment complementation, is a self‐assembling mechanism by which protein fragments can reconstitute the folded conformation of the native protein when split into two halves. Although it has been used in biophysical studies and bioassays, fragment reconstitution has not been explored for hydrogel construction. Using a small protein GL5 as a model, which is capable of fragment reconstitution to reconstitute the folded GL5 spontaneously when split into two halves, GN and GC, we demonstrate that protein fragment reconstitution is a novel driving force for engineering self‐assembling reversible protein hydrogels. Fragment reconstitution between GN and GC crosslinks GN and GC‐containing proteins into self‐assembling reversible protein hydrogels. These novel hydrogels show temperature‐dependent reversible sol‐gel transition, and excellent property against erosion in water. Since many proteins can undergo fragment reconstitution, we anticipate that such fragment reconstitution may offer a general driving force for engineering protein hydrogels from a variety of proteins, and thus significantly expanding the ‘toolbox’ currently available in the field of biomaterials.
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 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 | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».