Small amphipathic peptides are responsible for the assembly of cruciferin nanoparticles
Notice bibliographique
Résumé
Abstract Amphipathic peptides are versatile building blocks for fabricating well-ordered nanostructures, which have gained much attention owing to their enormous design possibilities and bio-functionalities. However, using amphipathic peptides from natural proteins to create tunable nanostructures is challenging because of their heterogeneity and great tendency to form aggregates. Here we fabricated two well-defined nanoparticles from cruciferin amphipathic peptides by integrating top-down and bottom-up approach. Alkali hydrolysis (pH 12, 120 °C for 30 min) was introduced to break down intact cruciferin into peptides (top–down). The cruciferin peptides and their fractions were then assembled into nanoparticles (bottom–up) in the presence of calcium ions. The permeate fraction from 10 kDa cut-off membrane formed smaller nanoparticles (F1-NPs) (around 82 nm) than that of unfractionated cruciferin peptides (CRU-NPs, around 185 nm); the electrostatic and hydrophobic interactions were the main driving forces for particle formation. LC-MS/MS analysis characterised that the small amphipathic peptides (X n1 Z n2 X n3 Z n4 , n 1–4 = 0~5), composed of alternating hydrophobic (X) and hydrophilic (Z) amino acid with a length of 5–15 and 5–20 residues for F1-NPs and CRU-NPs, respectively, were responsible for particle formation. Our study established the mechanism of particle formation of the cold gelation is through assembly of amphipathic peptides.
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 | 0,009 | 0,005 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 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 ».