Notice bibliographique
Résumé
Incorporating proteins with nanomaterials is an effective way to enhance the stability and function of proteins. The protein-nanomaterials hybrid systems have been extensively applied in drug delivery and biocatalysis. This thesis focuses on the different interactions between proteins and nanomaterials. Three sub-projects have been studied as follows;\n1) Chemical interaction: Gold nanoparticles with a particle size of 15nm were applied to label bovine serum albumin (BSA), a globular protein, for realizing a colorimetric protein assay. The results of FTIR and Raman spectra indicate that gold nanoparticles bond to BSA via the amine bonds. The surface plasma resonance (SPR) of gold nanoparticle labelled BSA shows a linear relationship with the concentration of BSA.\n2) Electrostatic interaction: To make enzyme stable and recyclable in biocatalysis, the enzyme, carbonic anhydrase (CA), was immobilized on zinc oxide (ZnO) nanorods via electrostatic interaction. The highest immobilization ratio (60%) is achieved at pH 8.0. The CO2 capturing by the immobilized CA has been investigated. It is found that a 2.2×2.2cm ZnO nanorod chip with 0.75mg immobilized CA could capture up to 6mmol CO2 in 100mL water.\n3) Multiple interactions: Via hydrogen bond and electrostatic interaction, basic fibroblast growth factor (bFGF) was incorporated within chitosan and silica nanoparticles, respectively. In vitro release tests indicate that chitosan and silica nanoparticles could achieve a sustained bFGF release up to 230 and 180 hours, respectively. The bFGF-loaded nanoparticles were afterwards immobilized within HEMA hydrogel. The nanoparticle-HEMA nanocomposites can provide a localized sustained protein release without systematic absorption.\nThe incorporation of proteins with nanomaterials can enhance the stability and activity of proteins which are otherwise prone to denaturation.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».