Sonication of proteins causes formation of aggregates that resemble amyloid
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Despite the widespread use of sonication in medicine, industry, and research, the effects of sonication on proteins remain poorly characterized. We report that sonication of a range of structurally diverse proteins results in the formation of aggregates that have similarities to amyloid aggregates. The formation of amyloid is associated with, and has been implicated in, causing of a wide range of protein conformational disorders including Alzheimer's disease, Huntington's disease, Parkinson's disease, and prion diseases. The aggregates cause large enhancements in fluorescence of the dye thioflavin T, exhibit green-gold birefringence upon binding the dye Congo red, and cause a red-shift in the absorbance spectrum of Congo red. In addition, circular dichroism reveals that sonication-induced aggregates have high beta-content, and proteins with significant native alpha-helical structure show increased beta-structure in the aggregates. Ultrastructural analysis by electron microscopy reveals a range of morphologies for the sonication-induced aggregates, including fibrils with diameters of 5-20 nm. The addition of preformed aggregates to unsonicated protein solutions results in accelerated and enhanced formation of additional aggregates upon heating. The dye-binding and structural characteristics, as well as the ability of the sonication-induced aggregates to seed the formation of new aggregates are all similar to the properties of amyloid. These results have important implications for the use of sonication in food, biotechnological and medical applications, and for research on protein aggregation and conformational disorders.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle