MétaCan
Menu
Retour à la cohorte
Enregistrement W2030830165 · doi:10.1039/b719371h

Adsorption of fibrinogen on a biomedical-grade stainless steel 316LVM surface: a PM-IRRAS study of the adsorption thermodynamics, kinetics and secondary structure changes

2008· article· en· W2030830165 sur OpenAlexafffund
Marie-Josee Desroches, Sasha Omanovic

Notice bibliographique

RevuePhysical Chemistry Chemical Physics · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueBlood properties and coagulation
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMcGill University
Mots-clésAdsorptionKineticsThermodynamicsChemistryPhysical chemistryMaterials sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Polarization-modulation infrared reflection-absorption spectroscopy (PM-IRRAS) was employed to investigate the interaction of serum protein fibrinogen with a biomedical-grade 316LVM stainless steel surface, in terms of the adsorption thermodynamics, kinetics and secondary structure changes of the protein. Apparent Gibbs energy of adsorption values indicated a highly spontaneous and strong adsorption of fibrinogen onto the surface. The kinetics of fibrinogen adsorption were successfully modeled using a pseudo first-order kinetic model. Deconvolution of the amide I bands indicated that the adsorption of fibrinogen on 316LVM results in significant changes in the protein's secondary structure that occur predominantly within the first minute of adsorption. Among the investigated structures, the alpha-helix structure undergoes the smallest changes, while the beta-sheet and beta-turns structures undergo significant changes. It was shown that lateral interactions between the adsorbed molecules do not play a role in controlling the secondary structure changes. An increase in temperature induced changes in the secondary structure of the protein, characterized by a loss of the alpha-helical content and its transformation into the beta-turns structure.

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 enseignants0,011
Score d'incertitude au seuil0,750

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,018
Tête enseignante GPT0,238
Écart entre enseignants0,220 · 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

Citations29
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical Chemistry Chemical PhysicsMême sujetBlood properties and coagulationTravaux en français237 207