MétaCan
Menu
Retour à la cohorte
Enregistrement W4313640574 · doi:10.3390/ijms24021066

Lipid Structure Determines the Differential Impact of Single Metal Additions and Binary Mixtures of Manganese, Calcium and Magnesium on Membrane Fluidity and Liposome Size

2023· article· en· W4313640574 sur OpenAlexafffund
Kevin Sule, Max Anikovskiy, Elmar J. Prenner

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueLipid Membrane Structure and Behavior
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésChemistryLaurdanLiposomeMetalVesicleMagnesiumMembrane fluidityMembraneManganeseInorganic chemistryOrganic chemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

Unilamellar vesicles of the biologically relevant lipids phosphatidic acid (PA) and phosphatidylserine (PS) with fully saturated (DM-) or partly unsaturated (PO-) acyl side chains were exposed to Ca, Mn and Mg in single metal additions; in equimolar mixtures or by sequential additions of one metal at a time. Laurdan generalized polarization measured the membrane fluidity, while dynamic light scattering reported liposome size changes complemented by zeta potential. All metals induced membrane rigidity and increased liposome sizes across all systems. Mn had the strongest effect overall, but Mg was comparable for DMPS. Lipid side chain architecture was important as GP values for binary mixtures were higher than expected from the sum of values for single additions added to POPS but smaller for DMPS. Sequential additions were predominantly different for Ca:Mg mixtures. Mn induced the strongest increase of liposome size in saturated lipids whereas Ca effects dominated unsaturated matrices. Binary additions induced larger sizes than the sum of single additions for POPS, but much lower changes in DMPA. The order of addition was relevant for PS systems. Thus, lipid structure determines metal effects, but their impact is modulated by other ions. Thus, metal effects may differ with the local lipid architecture and metal concentrations within cells.

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 seuil0,003

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 Opus0,015
Tête enseignante GPT0,293
Écart entre enseignants0,277 · 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

Citations14
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular SciencesMême sujetLipid Membrane Structure and BehaviorTravaux en français237 207