The role of amino acids in hydroxyapatite mineralization
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Polar and charged amino acids (AAs) are heavily expressed in non-collagenous proteins (NCPs), and are involved in hydroxyapatite (HA) mineralization in bone. Here, we review what is known on the effect of single AAs on HA precipitation. Negatively charged AAs, such as aspartic acid, glutamic acid (Glu) and phosphoserine are largely expressed in NCPs and play a critical role in controlling HA nucleation and growth. Positively charged ones such as arginine (Arg) or lysine (Lys) are heavily involved in HA nucleation within extracellular matrix proteins such as collagen. Glu, Arg and Lys intake can also increase bone mineral density by stimulating growth hormone production. In vitro studies suggest that the role of AAs in controlling HA precipitation is affected by their mobility. While dissolved AAs are able to inhibit HA precipitation and growth by chelating Ca2+ and PO43− ions or binding to nuclei of calcium phosphate and preventing their further growth, AAs bound to surfaces can promote HA precipitation by attracting Ca2+ and PO43− ions and increasing the local supersaturation. Overall, the effect of AAs on HA precipitation is worth being investigated more, especially under conditions closer to the physiological ones, where the presence of other factors such as collagen, mineralization inhibitors, and cells heavily influences HA precipitation. A deeper understanding of the role of AAs in HA mineralization will increase our fundamental knowledge related to bone formation, and could lead to new therapies to improve bone regeneration in damaged tissues or cure pathological diseases caused by excessive mineralization in tissues such as cartilage, blood vessels and cardiac valves.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 découle