Morphological and Surface Potential Characterization of Protein Nanobiofilm Formation on Magnesium Alloy Oxide: Their Role in Biodegradation
Notice bibliographique
Résumé
The formation of a protein nanobiofilm on the surface of degradable biomaterials such as magnesium (Mg) and its alloys influences metal ion release, cell adhesion/spreading, and biocompatibility. During the early stage of human body implantation, competition and interaction between inorganic species and protein molecules result in a complex film containing Mg oxide and a protein layer. This film affects the electrochemical properties of the metal surface, the protein conformational arrangement, and the electronic properties of the protein/Mg oxide interface. In this study, we discuss the impact of various simulated body fluids, including sodium chloride (NaCl), phosphate-buffered saline (PBS), and Hanks' solutions on protein adsorption, electrochemical interactions, and electrical surface potential (ESP) distribution at the adsorbed protein/Mg oxide interface. After 10 min of immersion in NaCl, atomic force microscopy (AFM) and scanning Kelvin probe force microscopy (SKPFM) showed a higher surface roughness related to enhanced degradation and lower ESP distribution on a Mg-based alloy than those in other solutions. Furthermore, adding bovine serum albumin (BSA) to all solutions caused a decline in the total surface roughness and ESP magnitude on the Mg alloy surface, particularly in the NaCl electrolyte. Using SKPFM surface analysis, we detected a protein nanobiofilm (∼10-20 nm) with an aggregated and/or fibrillary morphology only on the Mg surface exposed in Hanks' and PBS solutions; these surfaces had a lower ESP value than the oxide layer.
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 | 0,000 | 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 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 ».