Gold nanoparticles on titanium and interaction with prototype protein
Notice bibliographique
Résumé
Modifying titanium (Ti) implant surfaces with functional proteins can strengthen the interface between prosthesis and bone. A prototype system was developed using gold nanoparticles (AuNPs) to immobilize proteins onto Ti. An electroless (galvanic displacement) deposition method was first used to form AuNPs of controlled size and coverage on commercial Ti foil (giving Ti-AuNPs). Parameters were then modified to create two groups of discs (n = 26) with different average AuNP diameters. Scanning electron microscopy and X-ray photoelectron spectroscopy were used to characterize the morphology and surface structure of Ti-AuNPs. To study the interaction of Ti-AuNPs with proteins, Ti discs (n = 8) modified with plain AuNPs and discs (n = 8) modified with thiol (HS--R--COOH)-functionalized AuNPs were treated with lysozyme solution. The amount and activity of the lysozyme on the discs were examined with Micro-BCA and enzymatic assays. Lysozyme was immobilized onto the discs, and the assays showed that the discs with thiol-functionalized AuNPs, discs with bare AuNPs, and Ti controls had average lysozyme adsorptions of 23 x 10(4), 2.3 x 10(4), and 5.7 x 10(4) microg/m2, respectively. The activity assays showed that 21.5, 18.4, and 12.5% of the adsorbed lysozyme was active on the discs with thiol-functionalized AuNPs, discs with bare AuNPs, and Ti controls, respectively. This technique holds promise for binding functional biomolecules to surgical implants, hence possibly creating implant surfaces that react to their local environment.
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 | 0,002 | 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 ».