MétaCan
Menu
Retour à la cohorte
Enregistrement W2972533521 · doi:10.1021/acsbiomaterials.9b00504

Recombinant Pyriform Silk Fiber Mechanics Are Modulated by Wet-Spinning Conditions

2019· article· en· W2972533521 sur OpenAlexafffund
Jeffrey R. Simmons, Lingling Xu, Jan K. Rainey

Notice bibliographique

RevueACS Biomaterials Science & Engineering · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSilk-based biomaterials and applications
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGovernment of Canada
Mots-clésSILKSpider silkSpinningSpiderMaterials sciencePolymer scienceFiberHelicitySynthetic fiberComposite materialBiologyEcologyPhysics

Résumé

récupéré en direct d'OpenAlex

Pyriform silk is a critically important fiber in spider web construction. It functions in a glue-coated attachment disc to form junctions in spider webs, connecting the web to disparate materials. Despite the biological importance of this silk, both natural and recombinant pyriform silk have yet to be structurally or mechanically characterized. In this study, we demonstrate recombinant production of a 477 amino acid protein based on Argiope argentata pyriform silk. This pyriform silk protein shows α-helicity in both an aqueous buffer and in a fluorinated acid- and alcohol-based spinning dope. Wet-spinning produced fibers having no visible defects in surface or cross-sectional analysis, with mechanical behavior varying as a function of postspin stretching conditions and correlating to loss of α-helicity in the fibrous state. Multiple conditions gave rise to fibers that are both strong and extensible, contrasting with some other silks that are biased toward being strong or extensible. This behavior is strikingly similar to recombinant aciniform silk, despite distinct primary structuring and composition.

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)0,0010,000

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 Opus0,008
Tête enseignante GPT0,228
Écart entre enseignants0,220 · 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

Citations24
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Biomaterials Science & EngineeringMême sujetSilk-based biomaterials and applicationsTravaux en français237 207