Using Nanoscale Substrate Curvature to Control the Dimerization of a Surface-Bound Protein
Notice bibliographique
Résumé
The influence of surface geometry on adsorbed proteins offers new possibilities for controlling quaternary structure by manipulating protein-protein interactions at a surface, with applications that are relevant to protein aggregation, fibrillation, ligand binding, and surface catalysis. To understand the effect of surface curvature on the structure of the surface-bound protein β-lactoglobulin (β-LG), we have used a combination of polystyrene (PS) nanoparticles (NPs) and ultrathin PS films to fabricate chemically pure, hydrophobic surfaces that have nanoscale curvature and are stable in aqueous buffer. We have used single molecule force spectroscopy to measure the detachment contour lengths L(c) for β-LG adsorbed on the highly curved PS surfaces, and we compare these values in situ to those measured for β-LG adsorbed on flat PS surfaces on the same samples. The L(c) distributions measured on all flat PS surfaces show a large monomer peak near 60 nm and a smaller dimer peak at 120 nm. For 190 and 100 nm diameter NPs, which are effectively flat on the scale of the β-LG molecules, there is no measurable difference between the L(c) distributions obtained for the flat and curved surfaces. However, for 60 nm diameter NPs the dimer peak is smaller, and for 25 nm diameter NPs the dimer peak is absent, indicating that the number of surface-bound dimers is significantly reduced by an increase in the curvature of the underlying surface. These results indicate that surface curvature provides a new method of manipulating protein-protein interactions and controlling the quaternary structure of adsorbed proteins.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».