Immobilized artificial membrane (IAM) liquid chromatography as a model for antimicrobial peptide partitioning into cell membranes: An evaluation
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
Non-covalent immobilized artificial membrane reverse-phase high performance liquid chromatography was previously evaluated as a means whereby elution times for antimicrobial peptides from columns mimicking the lipid bilayers of different membrane systems might be used as a fast-screening method to compare relative binding effectiveness. Such a system would aid in the development of antimicrobial peptides that bind preferentially to model pathogenic systems and leave the host’s membranes reasonably unaffected. A non-covalent approach allows for flexibility in membrane composition but was found to be inadequate for analysis of most peptides due to significant lipid loss at high acetonitrile concentrations. A covalent approach where phosphatidylcholine was amide-linked to the silica surface was examined to evaluate its use as a fast-screening method and compare its data to that collected from the non-covalent columns. Initial work with a 1-cm column proved ineffective due to problems with balancing flow rates with retention times, and work was shifted to a longer 10-cm column. Results suggested that peptides bind much more strongly to covalent columns than non-covalent ones, with the binding especially enhanced by the presence of cationic residues. These columns had lipid packing densities much lower than true membranes, indicating that the peptides were partitioning deep into the bonded phase of the columns rather than into the interfacial region of the phosphate head groups, as expected in situations of biologically-relevant lipid packing densities.
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 | 0,001 | 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