MétaCan
Menu
Retour à la cohorte
Enregistrement W2054212962 · doi:10.1371/journal.pone.0025954

Effect of Surfaces on Amyloid Fibril Formation

2011· article· en· W2054212962 sur OpenAlexafffund
Bradley Moores, Elizabeth Drolle, Simon J. Attwood, Janet Simons, Zoya Leonenko

Notice bibliographique

RevuePLoS ONE · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueAlzheimer's disease research and treatments
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesOntario Ministry of Research and InnovationNatural Sciences and Engineering Research Council of CanadaUniversity of WaterlooUniversities Space Research Association
Mots-clésFibrilChemistryBiophysicsMonomerAmyloid (mycology)Charge densityAmyloid βAmyloid betaStatic electricityAmyloid diseaseMembranePeptideSurface chargeAtomic force microscopyMolecular dynamicsCrystallographyAmyloid fibrilMaterials scienceNanotechnologyComputational chemistryPolymerOrganic chemistryBiochemistryPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Using atomic force microscopy (AFM) we investigated the interaction of amyloid beta (Aβ) peptide with chemically modified surfaces in order to better understand the mechanism of amyloid toxicity, which involves interaction of amyloid with cell membrane surfaces. We compared the structure and density of Aβ fibrils on positively and negatively charged as well as hydrophobic chemically-modified surfaces at physiologically relevant conditions. We report that due to the complex distribution of charge and hydrophobicity amyloid oligomers bind to all types of surfaces investigated (CH₃, COOH, and NH₂) although the charge and hydrophobicity of surfaces affected the structure and size of amyloid deposits as well as surface coverage. Hydrophobic surfaces promote formation of spherical amorphous clusters, while charged surfaces promote protofibril formation. We used the nonlinear Poisson-Boltzmann equation (PBE) approach to analyze the electrostatic interactions of amyloid monomers and oligomers with modified surfaces to complement our AFM data.

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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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)0,0020,000

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 Opus0,073
Tête enseignante GPT0,292
Écart entre enseignants0,219 · 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

Citations157
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetAlzheimer's disease research and treatmentsTravaux en français237 207