Entropic interaction chromatography: Separating proteins on the basis of size using end‐grafted polymer brushes
Notice bibliographique
Résumé
Partitioning of a macromolecule into the interfacial volume occupied by a grafted polymer brush decreases the configurational entropy (DeltaSbrush(c)) of the terminally attached linear polymer chains due to a loss of free volume. Self-consistent field theory (SCF) calculations are used to show that DeltaSbrush(c) is a strong function of both the size (MWp) of the partitioning macromolecule and the depth of penetration into the brush volume. We further demonstrate that the strong dependence of DeltaSbrush(c) on MWp provides a novel and powerful platform, which we call entropic interaction chromatography (EIC), for efficiently separating mixtures of proteins on the basis of size. Two EIC columns, differing primarily in polymer grafting density, were prepared by growing a brush of poly(methoxyethyl acrylamide) chains on the surface of a wide-pore (1,000-A pores, 64-microm diameter rigid beads) resin (Toyopearl AF-650M) bearing surface aldehyde groups. Semipreparative 0.1-L columns packed with either EIC resin provide reduced-plate heights of 2 or less for efficient separation of globular protein mixtures over at least three molecular-weight decades. Protein partitioning within these wide-pore EIC columns is shown to be effectively modeled as a thermodynamically controlled process, allowing partition coefficients (K(P)) and elution chromatograms to be accurately predicted using a column model that combines SCF calculation of K(P) values with an equilibrium-dispersion type model of solute transport through the column. This model is used to explore the dependence of column separation efficiency on brush properties, predicting that optimal separation of proteins over a broad MWp range is achieved at low to moderate grafting densities and intermediate chain lengths.
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 | 0,000 | 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 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 ».