MétaCan
Menu
Retour à la cohorte
Enregistrement W2316385119 · doi:10.1021/cg501369q

Amino Acid/Ion Aggregate Formation and Their Role in Hydroxyapatite Precipitation

2015· article· en· W2316385119 sur OpenAlexafffund
M. Tavafoghi Jahromi, Marta Cerruti

Notice bibliographique

RevueCrystal Growth & Design · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensMcGill University
Organismes subventionnairesCanada Foundation for InnovationNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsMcGill University
Mots-clésChemistryPrecipitationIonAggregate (composite)Amino acidInorganic chemistryMaterials scienceOrganic chemistryNanotechnologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Hydroxyapatite (HA, Ca 5 (PO 4 ) 3 OH) constitutes the inorganic component of bone. Its formation is regulated by noncollagenous proteins and especially negatively charged amino acids present in their structure. Here we show that Ca 2+ and PO 4 3– ions can interact with both a negative (Glu) and a positive (Arg) amino acid, and form aggregates that grow if left undisturbed. Depending on how long these aggregates are allowed to grow, once they come into contact they give rise to HA crystals that form at different times and that differ in content and properties. This finding points out that the aging time of precursor solutions is an important variable that needs to be taken into account in all biomineralization experiments and that not only proteins but also small molecules like amino acids can form aggregates that alter biomineral formation. The formation of biomolecular aggregates in the aged precursor solutions may also mirror what happens in vivo, where biominerals are formed upon compartmentalization of precursor ions and mineralization inhibitors or promoters.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,016
Tête enseignante GPT0,192
Écart entre enseignants0,176 · 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

Citations28
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCrystal Growth & DesignMême sujetBone Tissue Engineering MaterialsTravaux en français237 207