MétaCan
Menu
Retour à la cohorte
Enregistrement W2755985677 · doi:10.1021/acs.biomac.7b00809

A Rheological Study of the Association and Dynamics of MUC5AC Gels

2017· article· en· W2755985677 sur OpenAlexfundno aff
Caroline E. Wagner, Bradley S. Turner, Michael Rubinstein, Gareth H. McKinley, Katharina Ribbeck

Notice bibliographique

RevueBiomacromolecules · 2017
Typearticle
Langueen
DomaineMathematics
ThématiqueFractional Differential Equations Solutions
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Materials ResearchNational Institute of Biomedical Imaging and BioengineeringNational Institute of Environmental Health SciencesNational Heart, Lung, and Blood InstituteDivision of PhysicsBurroughs Wellcome FundCystic Fibrosis FoundationNatural Sciences and Engineering Research Council of Canada
Mots-clésMucinRheologyMicrorheologyViscoelasticityMucusSelf-healing hydrogelsPolymerMicrometerChemistryBiophysicsPulmonary surfactantParticle (ecology)Chemical engineeringMaterials scienceChemical physicsNanotechnologyPolymer sciencePolymer chemistryComposite materialBiochemistryPhysicsBiologyOptics

Résumé

récupéré en direct d'OpenAlex

The details of how a mucus hydrogel forms from its primary structural component, mucin polymers, remain incompletely resolved. To explore this, we use a combination of macrorheology and single-particle tracking to investigate the bulk and microscopic mechanical properties of reconstituted MUC5AC mucin gels. We find that analyses of thermal fluctuations on the length scale of the micrometer-sized particles are not predictive of the linear viscoelastic response of the mucin gels, and that taken together, the results from both techniques help to provide complementary insight into the structure of the network. In particular, we show that macroscopic stiffening of MUC5AC gels can be brought about in different ways by targeting specific associations within the network using environmental triggers such as modifications to the pH, surfactant, and salt concentration. Our work may be important for understanding how environmental factors, including pathogens and therapeutic agents, alter the mechanical properties of fully constituted mucus.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,335
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations158
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiomacromoleculesMême sujetFractional Differential Equations SolutionsTravaux en français237 207