Formation and Stability of Nanofibers from a Milk-Derived Peptide
Notice bibliographique
Résumé
The objective of the present work was to investigate the physicochemical conditions that trigger the self-assembly of peptide β-lg f1-8 and therefore lead to nanofibers and hydrogel formation. Nanostructures formed by self-assembly of peptide β-lg f1-8 in the pH range of 2.0-11.0 were studied by transmission electron microscopy (TEM). Hydrogel formation was studied as a function of pH and resulted in evidence of a link between hydrogel formation and the charge distribution carried by the peptide structure. Finally, circular dichroism (CD) spectroscopy was used to characterize the effects of peptide concentration (0.4-2.0 mg/mL), ionic strength (0-1 M NaCl), and temperature (20-80 °C) on the secondary structure of peptide β-lg f1-8. Hydrogels were obtained at peptide concentrations above 2.5 mg/mL. Peptide concentration and pH adjustment were shown to trigger self-assembly of β-lg f1-8, but increasing ionic strength had no effect. Heating to 80 °C induced a stronger CD signal intensity due to an increase in solubility of the peptide, whereas only slight changes in CD pattern were found upon cooling to 20 °C. Overall, results emphasize the role of particular molecular interactions in β-sheet self-assembly of peptide β-lg f1-8 and pH-dependent electrostatic interactions occurring between β-lg f1-8 units, which can explain its propensity to self-assembly.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».