MétaCan
Menu
Retour à la cohorte
Enregistrement W1972673087 · doi:10.1021/la101701f

Biomineralization of Gold Nanoparticles by Lysozyme and Cytochrome c and Their Applications in Protein Film Formation

2010· article· en· W1972673087 sur OpenAlexaff
Mandeep Singh Bakshi, Harpreet Kaur, Tarlok S. Banipal, Narpinder Singh, Gurinder Kaur

Notice bibliographique

RevueLangmuir · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensCollege of the North AtlanticMount Saint Vincent University
Organismes subventionnairesnon disponible
Mots-clésBiomineralizationLysozymeColloidal goldNanoparticleChemistryCytochrome cNanotechnologyProtein crystallizationChemical engineeringCrystallographyMaterials scienceOrganic chemistryBiochemistryCrystallizationMitochondrion

Résumé

récupéré en direct d'OpenAlex

Lysozyme (Lys) and cytochrome c (Cyc,c) proteins were used as mild reducing and stabilizing agents to synthesize gold nanoparticles (NPs) at precisely 40 and 80 degrees C. All reactions were monitored simultaneously by UV-visible measurements to determine changes in the nature of the protein during the course of reaction. The synthesis of Au NPs caused the simultaneous denaturation of protein due to the formation of bioconjugate NPs, and the denaturation temperature decreased with the number of NPs. Lys entrapped NPs in a typical gel state, and Cyc,c carried them on well-defined micelles at 80 degrees C or in the form of long fibrils or strands at 40 degrees C. The shape, size, and arrangement of bioconjugate NPs were characterized by atomic force microscopy and transmission electron microscopy measurements. Purified bioconjugate NPs were further used in zein protein film formation. The resulting films were characterized by photophysical and mechanical measurements. The induction of bioconjugate NPs made protein films isotropic and relatively more brittle (with a greater effect for Cyc,c than for Lys conjugate NPs) than in their absence and was considered to be well suited for biomedical applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,227

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,179
Écart entre enseignants0,175 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations56
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLangmuirMême sujetBone Tissue Engineering MaterialsTravaux en français237 207