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 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 | 0,000 | 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 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 ».