The interaction of β2-microglobulin with gold nanoparticles: impact of coating, charge and size
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
Gold nanoparticles (AuNPs) have been proved to be ideal scaffolds to build nanodevices whose performance can be tuned by changing their coating. In particular, the interaction of AuNPs with proteins was revealed to be highly dependent on the physico-chemical properties of the gold cluster protecting monolayer. In this work we studied the behavior of three different alkanethiolate-coated AuNPs (AT-AuNPs) when they are incubated with a model amyloidogenic protein, β2-microglobulin (β2m), whose clinical relevance in dialysis-related amyloidosis (DRA) and structural properties are well known. To the aim we synthesized 6-mercaptohexanoic acid-coated AuNPs (MHA-AuNPs) and (11-mercaptoundecyl)-N,N,N-trimethylammonium bromide-coated AuNPs (MUTAB-AuNPs) of 7.5 nm diameter and 3-mercaptopropionic acid-coated AuNPs (MPA-AuNPs) of 3.6 nm diameter. To study the effects of the incubation with β2m of these NPs that differ in charge and dimension, we employed NMR, UV-vis and fluorescence spectroscopy, along with transmission electron microscopy (TEM). The three tested AuNP systems gave different results. We found that MHA-AuNPs precipitate with the protein into large agglomerates inducing β2m unfolding, MUTAB-AuNP precipitation is triggered by the protein that remains unchanged in solution, at least at the higher considered protein/NP ratio, and MPA-AuNPs interact preferentially with a localized region of the protein that stays essentially stably dissolved. These results stress the complexity of the bio-nano interface and the relevance and viability of the fine control of NP properties to master protein-NP interactions.
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 | 0,000 | 0,000 |
| 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