Cholesterol‐Containing Liposomes Decorated With Au Nanoparticles as Minimal Tunable Fusion Machinery
Notice bibliographique
Résumé
Abstract Membrane fusion is essential for the basal functionality of eukaryotic cells. In physiological conditions, fusion events are regulated by a wide range of specialized proteins, operating with finely tuned local lipid composition and ionic environment. Fusogenic proteins, assisted by membrane cholesterol and calcium ions, provide the mechanical energy necessary to achieve vesicle fusion in neuromediator release. Similar cooperative effects must be explored when considering synthetic approaches for controlled membrane fusion. We show that liposomes decorated with amphiphilic Au nanoparticles (AuLips) can act as minimal tunable fusion machinery. AuLips fusion is triggered by divalent ions, while the number of fusion events dramatically changes with, and can be finely tuned by, the liposome cholesterol content. We combine quartz‐crystal‐microbalance with dissipation monitoring (QCM‐D), fluorescence assays, and small‐angle X‐ray scattering (SAXS) with molecular dynamics (MD) at coarse‐grained (CG) resolution, revealing new mechanistic details on the fusogenic activity of amphiphilic Au nanoparticles (AuNPs) and demonstrating the ability of these synthetic nanomaterials to induce fusion regardless of the divalent ion used (Ca 2+ or Mg 2+ ). The results provide a novel contribution to developing new artificial fusogenic agents for next‐generation biomedical applications that require tight control of the rate of fusion events (e.g., targeted drug delivery).
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 ».