MétaCan
Menu
Retour à la cohorte
Enregistrement W2334039176 · doi:10.1021/nn4059852

“Frozen” Block Copolymer Nanomembranes with Light-Driven Proton Pumping Performance

2013· article· en· W2334039176 sur OpenAlexafffund
Liangju Kuang, Donald A. Fernandes, Matthew O’Halloran, Wan Zheng, Yunjiang Jiang, Vladimir Ladizhansky, Leonid S. Brown, Hongjun Liang

Notice bibliographique

RevueACS Nano · 2013
Typearticle
Langueen
DomaineNeuroscience
ThématiquePhotoreceptor and optogenetics research
Établissements canadiensUniversity of Guelph
Organismes subventionnairesDivision of Materials ResearchNatural Sciences and Engineering Research Council of CanadaNational Science Foundation
Mots-clésMembraneMaterials scienceCopolymerNanoengineeringNanotechnologyFluidicsAmphiphileMicrofluidicsChemistryPolymer

Résumé

récupéré en direct d'OpenAlex

Cellular membranes are natural nanoengineering devices, where matter transport, information processing, and energy conversion across the nanoscale boundaries are mediated by membrane proteins (MPs). Despite the great potential of MPs for nanotechnologies, their broad utility in engineered systems is limited by the fluidic and often labile nature of MP-supporting membranes. Little is known on how to direct spontaneous reconstitution of MPs into robust synthetic nanomembranes or how to tune MP functions through rational design of these membranes. Here we report that proteorhodopsin (PR), a light-driven proton pump, can be spontaneously reconstituted into "frozen" (i.e., glassy state) amphiphilic block copolymer membranes via a charge-interaction-directed reconstitution mechanism. We show that PR is not enslaved by a fluidic or lipid-based membrane environment. Rather, well-defined block copolymer nanomembranes, with their tunable membrane moduli, act as allosteric regulators to support the structural integrity and function of PR. Versatile membrane designs exist to modulate the conformational energetics of reconstituted MPs, therefore optimizing proteomembrane stability and performance in synthetic systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,013
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,023
Tête enseignante GPT0,255
Écart entre enseignants0,231 · 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 tête enseignante, pas un consensus.

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

Citations43
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujetPhotoreceptor and optogenetics researchTravaux en français237 207