“Hearing Loss” in QCM Measurement of Protein Adsorption to Protein Resistant Polymer Brush Layers
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
Accurate quantification of nonspecific protein adsorption on biomaterial surfaces is essential for evaluation of their antifouling properties. The quartz crystal microbalance (QCM) is an acoustic sensor widely used for the measurement of protein adsorption. However, although the QCM is highly sensitive, it does have performance limitations when working with surfaces modified with thick viscous layers. In the case of polymer brush surfaces, factors such as the thickness and viscosity of the brush may bring such limitations. In the present work, three types of antifouling molecules were used to explore the applicability of QCM for the evaluation of the protein resistance of hydrophilic polymer brush surfaces. Adsorption was also measured by surface plasmon resonance (SPR) as a reference. It was shown that the detection of adsorbed protein requires that protein be located within a critical distance from the QCM chip surface, determined by the viscosity of polymer brush. For larger proteins like fibrinogen, adsorption is expected to occur mainly "on top" of the polymer brush, and brush thickness determines whether protein is located in the "detectable zone". For smaller proteins like lysozyme, adsorption is expected to occur mainly at the chip surface and within the polymer brush layer and to be detectable by QCM. However, the quantity of adsorbed lysozyme may be underestimated when secondary adsorption also occurred. It is concluded that QCM data suggesting very low protein adsorption on polymer brush surfaces should take account of these considerations and should be treated generally with caution.
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 | 0,001 |
| 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 découle