MétaCan
Menu
Retour à la cohorte
Enregistrement W2031731511 · doi:10.1002/cphc.201301136

Label‐Free Measurements of the Diffusivity of Molecules in Lipid Membranes

2014· article· en· W2031731511 sur OpenAlexfundno aff
Björn Johansson, Fredrik Höök, David Klenerman, Peter Jönsson

Notice bibliographique

RevueChemPhysChem · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueLipid Membrane Structure and Behavior
Établissements canadiensnon disponible
Organismes subventionnairesFondation Chalmers
Mots-clésChemistryLipid bilayerBiomoleculeBiotinylationMembraneBiophysicsFluorescenceMoleculeBiological membraneBilayerBiochemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

An important and characteristic property of a cell membrane is the lateral mobility of protein molecules in the lipid bilayer. This has conventionally been measured by labeling the molecules with fluorescent markers and monitoring their mobility by different fluorescence-based techniques. However, adding the label to the studied molecule may affect the system, so it is an assumption in almost all experiments that the measured mobility of the biomolecule with its label is the same as that of the unlabeled molecule. However, this assumption is rarely tested due to a lack of suitable methods. In this work, a new technique to perform label-free diffusivity measurements is developed and used to measure the effect of the label for two common protein-lipid systems: 1) streptavidin (SA) coupled to a supported lipid bilayer (SLB) through biotinylated lipids and 2) the extracellular part of the T-cell adhesion protein CD2, coupled to an SLB through histidine tags to nickel-chelating lipids. A measurable (≈12%) decrease in diffusivity is found for both labeled proteins, even though the molecular mass of the label is almost 100 times smaller than those of the proteins (≈50 kDa). The results illustrate the importance of being able to study different biophysical properties of cell membranes and their mimics without relying on fluorescent labels, especially if fluorescent labeling is difficult or is expected to affect the nature of the intermolecular interactions being studied.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,017
Tête enseignante GPT0,241
Écart entre enseignants0,224 · 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 source (Gemma direct ou Codex distillé), 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

Citations15
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemPhysChemMême sujetLipid Membrane Structure and BehaviorTravaux en français237 207