MétaCan
Menu
Retour à la cohorte
Enregistrement W1999277077 · doi:10.1021/nn900488u

Nanoscale Aggregation of Cellular β<sub>2</sub>-Adrenergic Receptors Measured by Plasmonic Interactions of Functionalized Nanoparticles

2009· article· en· W1999277077 sur OpenAlexafffund
David C. Kennedy, Li‐Lin Tay, Rodney K. Lyn, Y Rouleau, John Hulse, John Paul Pezacki

Notice bibliographique

RevueACS Nano · 2009
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueReceptor Mechanisms and Signaling
Établissements canadiensInstitute for Microstructural SciencesSteacie Institute for Molecular Sciences
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCardiac myocyteBiophysicsReceptorMaterials scienceNanoparticleSilver nanoparticleCell membraneRaman scatteringCell surface receptorAdrenergic receptorMembraneNanotechnologyMyocyteChemistryRaman spectroscopyCell biologyBiochemistryBiologyOptics

Résumé

récupéré en direct d'OpenAlex

Adrenergic signaling that controls the contraction of cardiac myocyte cells and the beating of the mammalian heart is initiated by ligand binding to adrenergic receptors contained in nanoscale multiprotein complexes at the cellular membrane. Here we demonstrate that the surface-enhanced Raman scattering (SERS) of functionalized silver nanoparticles can be used to report on the receptor aggregation state of specifically label beta(2)-adrenergic receptors on mouse cardiac myocyte cells. Furthermore, multimodal imaging including Raman, Rayleigh scattering, scanning electron microscopy, and luminescence imaging was combined to fully characterize the beta(2)-adrenergic receptor-mediated aggregation of silver nanoparticles on the membrane of cardiac myocytes. Scanning electron microscopy analysis reveals distinct SERS active clusters of between 10 and 70 nanoparticles per signaling domain from ultra-high-resolution images of beta(2)-adrenergic receptor clusters on the cellular membrane. These techniques can be generally applied to study the aggregation of other cell surface receptors and explore their distribution on cell surfaces.

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 enseignants0,006
Score d'incertitude au seuil0,574

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 Opus0,009
Tête enseignante GPT0,214
Écart entre enseignants0,205 · 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

Citations50
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujetReceptor Mechanisms and SignalingTravaux en français237 207