Surface Adsorption and Molecular Modeling of Biofunctional Gold Nanoparticles for Systemic Circulation and Biological Sustainability
Notice bibliographique
Résumé
Fundamental aspects of protein complex coated gold nanoparticles (Au NPs) were presented for their possible use in systemic circulation in terms of pharmaceutical formulations. For this purpose, protein complexes of bovine serum albumin (BSA), lysozyme (Lys), and zein with an industrial important bioactive polymer diethylaminoethyl dextran (DEAE) were studied in the presence of Au NPs. Surface adsorption of such complexes magnified DEAE–protein interactions which were easily monitored spectroscopically under the effect of temperature and reaction time. In vitro synthesis of Au NPs allowed a simultaneous adsorption of the DEAE–protein complex on the NP surface to achieve colloidal stability, which was dramatically influenced by the nature of the DEAE–protein complex. The DEAE–BSA complex demonstrated strong favorable mainly electrostatic interactions followed by DEAE–Lys, while DEAE–zein interactions were predominantly influenced by the hydrophobic nature of zein. At the molecular level, the interactions were evaluated from the molecular dynamics (MD) studies which focused on the protein surface charge, dihedral angle variations, and protein unfolding upon dextran–protein complexation as well as its surface adsorption. MD studies further helped us to identify specific amino acid residues which promoted such interactions among the DEAE and protein as well as the surface adsorption of DEAE–protein complexes and allowed the synthesis of suitable biofunctional Au NPs with interesting bioapplicability with blood cells. Biofunctional NPs coated with DEAE–BSA and DEAE–Lys complexes over the entire mixing range proved to be the best suited vehicles for biomedical applications in systemic circulation.
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 | 0,001 |
| 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 ».