Molecular dynamics simulations and Kelvin probe force microscopy to study of cholesterol-induced electrostatic nanodomains in complex lipid mixtures
Notice bibliographique
Résumé
The molecular arrangement of lipids and proteins within biomembranes and monolayers gives rise to complex film morphologies as well as regions of distinct electrical surface potential, topographical and electrostatic nanoscale domains. To probe these nanodomains in soft matter is a challenging task both experimentally and theoretically. This work addresses the effects of cholesterol, lipid composition, lipid charge, and lipid phase on the monolayer structure and the electrical surface potential distribution. Atomic force microscopy (AFM) was used to resolve topographical nanodomains and Kelvin probe force microscopy (KPFM) to resolve electrical surface potential of these nanodomains in lipid monolayers. Model monolayers composed of dipalmitoylphosphatidylcholine (DPPC), 1,2-dioleoyl-sn-glycero-3-phosphocholine (DOPC), 1-palmitoyl-2-oleoyl-sn-glycero-3-phosphocholine (POPC), 1,2-dioleoyl-sn-glycero-3-[phospho-rac-(3-lysyl(1-glycerol))] (DOPG), and cholesterol were studied. It is shown that cholesterol changes nanoscale domain formation, affecting both topography and electrical surface potential. The molecular basis for differences in electrical surface potential was addressed with atomistic molecular dynamics (MD). MD simulations are compared the experimental results, with 100 s of mV difference in electrostatic potential between liquid-disordered bilayer (Ld, less cholesterol and lower chain order) and a liquid-ordered bilayer (Lo, more cholesterol and higher chain order). Importantly, the difference in electrostatic properties between Lo and Ld phases suggests a new mechanism by which membrane composition couples to membrane function.
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 ».