MétaCan
Menu
Retour à la cohorte
Enregistrement W2889546997 · doi:10.1088/1361-6528/aadd3a

Biomimetic engineering of conductive curli protein films

2018· article· en· W2889546997 sur OpenAlexaff
Noémie‐Manuelle Dorval Courchesne, Elizabeth P. DeBenedictis, Jason S. Tresback, Jessica Kim, Anna Duraj‐Thatte, David Zanuy, Sinan Keten, Neel Joshi

Notice bibliographique

RevueNanotechnology · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueModular Robots and Swarm Intelligence
Établissements canadiensMcGill University
Organismes subventionnairesNational Science Foundation
Mots-clésMaterials scienceNanotechnologySynthetic biologyScaffoldProtein engineeringTissue engineeringGenetically engineeredElectrical conductorBiocompatible materialChemistryBiochemistryBiologyEnzymeComputer scienceBioinformatics

Résumé

récupéré en direct d'OpenAlex

Bioelectronic systems derived from peptides and proteins are of particular interest for fabricating novel flexible, biocompatible and bioactive devices. These synthetic or recombinant systems designed for mediating electron transport often mimic the proteinaceous appendages of naturally occurring electroactive bacteria. Drawing inspiration from such conductive proteins with a high content of aromatic residues, we have engineered a fibrous protein scaffold, curli fibers produced by Escherichia coli bacteria, to enable long-range electron transport. We report the genetic engineering and characterization of curli fibers containing aromatic residues of different nature, with defined spatial positioning, and with varying content on single self-assembling CsgA curli subunits. Our results demonstrate the impressive versatility of the CsgA protein for genetically engineering protein-based materials with new functions. Through a scalable purification process, we show that macroscopic gels and films can be produced, with engineered thin films exhibiting a greater conductivity compared with wild-type curli films. We anticipate that this engineered conductive scaffold, and our approach that combines computational modeling, protein engineering, and biosynthetic manufacture will contribute to the improvement of a range of useful bio-hybrid technologies.

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 seuil0,002

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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,209
Écart entre enseignants0,199 · 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

Citations51
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanotechnologyMême sujetModular Robots and Swarm IntelligenceTravaux en français237 207