High-Throughput Screening of Protein Surface Activity via Flow Injection Analysis-pH Gradient-Dynamic Surface Tension Detection
Notice bibliographique
Résumé
Using flow injection analysis (FIA), a pH gradient is blended in real time with a protein sample as the pH-dependent protein surface activity is measured by a dynamic surface tension detector (FIA-pH-DSTD). This instrumental system was developed as a high-throughput method for the screening of protein surface activity at the air/liquid interface as a function of pH. This method utilizes the continuous flow, drop-based dynamic surface tension detector in combination with flow injection sample introduction and blending of a steady-state concentration of protein sample with a pH gradient ranging from pH 2.0 to pH 11.5. Dynamic surface tension is measured through the differential pressure across the air/liquid interface of repeatedly growing and detaching drops. Continuous surface tension measurement is achieved for each eluting drop of 2-s length (2 muL), providing insight into both the kinetic and thermodynamic behaviors of molecular orientation processes at the liquid/air interface. Three-dimensional data are obtained, with surface tension first converted to surface pressure, which is collected as a function of elution time versus drop time. In FIA-pH-DSTD, a commercial pH probe is used to measure pH during elution time, enabling surface pressure throughout drop time to be subsequently plotted as a function of eluting pH. An automated DSTD calibration procedure and data analysis method is applied, which allows simultaneous use of two different solvents, permitting real-time dynamic surface tension data to be obtained. The method was applied to the analysis of 14 commercial purified proteins, yielding characteristic features of surface activity as a function of pH. The reproducibility of the measurement and selectivity advantage of the DSTD was shown for the analysis of serum albumins from various mammalian sources. Several applications were also suggested and discussed in order to show the potential of the method for protein and food chemistry studies and in the study of protein-polymer interactions.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».