MétaCan
Menu
Retour à la cohorte
Enregistrement W2942281610 · doi:10.3389/fbioe.2019.00083

The Role of Structural Polymorphism in Driving the Mechanical Performance of the Alzheimer's Beta Amyloid Fibrils

2019· article· en· W2942281610 sur OpenAlexaff
Gianvito Grasso, Martina Rebella, Umberto Morbiducci, Jack A. Tuszyński, Andrea Danani, Marco A. Deriu

Notice bibliographique

RevueFrontiers in Bioengineering and Biotechnology · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSupramolecular Self-Assembly in Materials
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Supercomputing Centre SingaporeCentro Svizzero di Calcolo Scientifico
Mots-clésFibrilRational designAmyloid fibrilHydrogen bondBiophysicsMaterials scienceAmyloid betaMolecular dynamicsAmyloid (mycology)Polymorphism (computer science)Amyloid βNanotechnologyChemistryDiseaseMoleculePeptideBiologyAlleleMedicineBiochemistryPathologyGeneComputational chemistry

Résumé

récupéré en direct d'OpenAlex

Alzheimer’s Disease (AD) is related with the abnormal aggregation of amyloid β-peptides Aβ1-40 and Aβ1-42, the latter having a polymorphic character which gives rise to U- or S-shaped fibrils. Elucidating the role played by the nanoscale-material architecture on the amyloid fibril stability is a crucial breakthrough to better understand the pathological nature of amyloid structures and to support the rational design of bio-inspired materials. The computational study here presented highlights the superior mechanical behavior of the S-architecture, characterized by a Young’s modulus markedly higher than the U-shaped architecture. The S-architecture showed a higher mechanical resistance to the enforced deformation along the fibril axis, consequence of a better interchain hydrogen bonds’ distribution. In conclusion, this study, focusing the attention on the pivotal multiscale relationship between molecular phenomena and material properties, suggests the S-shaped Aβ1-42 species as a target of election in computational screen/design/optimization of effective aggregation modulators.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,011
Score d'incertitude au seuil0,301

Scores Codex et Gemma par catégorie

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 ouverte0,0010,000
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 Opus0,003
Tête enseignante GPT0,183
Écart entre enseignants0,179 · 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 tête enseignante, 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

Citations23
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Bioengineering and BiotechnologyMême sujetSupramolecular Self-Assembly in MaterialsTravaux en français237 207