MétaCan
Menu
Retour à la cohorte
Enregistrement W1993148765 · doi:10.1021/la904335m

Effect of Cholesterol on Electrostatics in Lipid−Protein Films of a Pulmonary Surfactant

2010· article· en· W1993148765 sur OpenAlexafffund
Éric Finot, Yuri Leonenko, Brad Moores, Lukas M. Eng, Matthias Amrein, Zoya Leonenko

Notice bibliographique

RevueLangmuir · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueInhalation and Respiratory Drug Delivery
Établissements canadiensUniversity of Calgary
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPulmonary surfactantElectrostaticsElectric fieldChemistryNanometreKelvin probe force microscopeBiophysicsSurface chargeStatic electricityCholesterolAtomic force microscopyChemical engineeringChemical physicsNanotechnologyAnalytical Chemistry (journal)Materials scienceChromatographyBiochemistryComposite materialPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

We report the changes in the electrical properties of the lipid-protein film of pulmonary surfactant produced by excess cholesterol. Pulmonary surfactant (PS) is a complex lipid-protein mixture that forms a molecular film at the interface of the lung's epithelia. The defined molecular arrangement of the lipids and proteins of the surfactant film gives rise to the locally highly variable electrical surface potential of the interface, which becomes considerably altered in the presence of cholesterol. With frequency modulation Kelvin probe force microscopy (FM-KPFM) and force measurements, complemented by theoretical analysis, we showed that excess cholesterol significantly changes the electric field around a PS film because of the presence of nanometer-sized electrostatic domains and affects the electrostatic interaction of an AFM probe with a PS film. These changes in the local electrical field would greatly alter the interaction of the surfactant film with charged species and would immediately impact the manner in which inhaled (often charged) airborne nanoparticles and fibers might interact with the lung interface.

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 enseignants0,018
Score d'incertitude au seuil0,248

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 Opus0,005
Tête enseignante GPT0,260
Écart entre enseignants0,255 · 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

Citations44
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLangmuirMême sujetInhalation and Respiratory Drug DeliveryTravaux en français237 207