Surface-Assisted Assembly of an Ionic-Complementary Peptide: Controllable Growth of Nanofibers
Notice bibliographique
Résumé
Numerous studies have shown that a surface can direct and regulate molecular assembly. In this study, the nanofiber growth of an ionic-complementary peptide, EAK16-II, on a mica surface was investigated under various solution conditions via in situ atomic force microscopy. In comparison to the assembly in bulk solution, nanofiber growth of EAK16-II on mica is surface-assisted and involves two steps: (1) adsorption of nanofibers and fiber clusters (from the bulk solution) on the surface, serving as the "seeds"; (2) fiber elongation of the "seeds" from their active ends. The nanofiber growth can be controlled by adjusting the solution pH since it modulates the adsorption of the "seeds" on mica and their growth rates. The amount of the adsorbed "seeds" decreases with increasing solution pH, while the growth rate under different solution conditions is found to follow the order pure water > 1 mM HCl > 1 mM NaOH > 10 mM HCl approximately 10 mM NaOH approximately 0. The pH-dependent nanofiber growth is due to the surface charge of the peptides and peptide assemblies in various solutions as indicated by zeta-potential measurements. A simple model was proposed to describe surface-assisted nanofiber growth. This study provides insights into the assembly of peptide/protein on a surface, which is essential to understand such physiological protein aggregation systems as amyloid fibrillogenesis. In addition, the potential of this finding to construct biocompatible electrodes for biomolecular sensing is also discussed.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».