Effects of mussel‐inspired co‐deposition of 2‐hydroxymethyl methacrylate and poly (2‐methoxyethyl acrylate) on the hydrophilicity and binding tendency of common hemodialysis membranes: Molecular dynamics simulations and molecular docking studies
Notice bibliographique
Résumé
Despite advances in the field, hemoincompatibility remains a critical issue for hemodialysis (HD) as interactions between various human blood constituents and the polymeric structure of HD membranes results in complications such as activation of immune system cascades. Adding hydrophilic polymer structures to the membranes is one modification approach that can decrease the extent of protein adsorption. This study conducted molecular dynamics (MD) simulations to understand the interactions between three human serum proteins (fibrinogen [FB], human serum albumin, and transferrin) and common HD membranes in untreated and modified forms. Poly(aryl ether sulfone) (PAES) and cellulose triacetate were used as the common dialyzer polymers, and membrane modifications were performed with 2-hydroxymethyl methacrylate (HEMA) and poly (2-methoxyethyl acrylate) (PMEA), using polydopamine-assisted co-deposition. The MD simulations were used as the framework for binding energy simulations, and molecular docking simulations were also performed to conduct molecular-level investigations between the two modifying polymers (HEMA and PMEA) and FB. Each of the three proteins acted differently with the membranes due to their unique nature and surface chemistry. The simulations show PMEA binds less intensively to FB with a higher number of hydrogen bonds, which reflects PMEA's superior performance compared to HEMA. The simulations suggest PAES membranes could be used in modified forms for blood-contact applications as they reflect the lowest binding energy to blood proteins.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».