MétaCan
Menu
Retour à la cohorte
Enregistrement W4389735363 · doi:10.3390/biomimetics8080606

Biomineralization through a Symmetry-Controlled Oligomeric Peptide

2023· article· en· W4389735363 sur OpenAlexafffund
Tatsuya Sakaguchi, Natsumi Nakagawa, Kenta Mine, Jose Isagani B. Janairo, Rui Kamada, James G. Omichinski, Kazuyasu Sakaguchi

Notice bibliographique

RevueBiomimetics · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueDiatoms and Algae Research
Établissements canadiensUniversité de Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaJapan Society for the Promotion of ScienceHokkaido University
Mots-clésBiomineralizationNanostructurePeptideChemistryNanotechnologyNanobiotechnologyMaterials scienceBiophysicsNanoparticleChemical engineeringBiochemistryBiology

Résumé

récupéré en direct d'OpenAlex

Biomineralization peptides are versatile tools for generating nanostructures since they can make specific interactions with various inorganic metals, which can lead to the formation of intricate nanostructures. Previously, we examined the influence that multivalency has on inorganic structures formed by p53 tetramer-based biomineralization peptides and noted a connection between the geometry of the peptide and its ability to regulate nanostructure formation. To investigate the role of multivalency in nanostructure formation by biomineralization peptides more thoroughly, silver biomineralization peptides were engineered by linking them to additional self-assembling molecules based on coiled-coil peptides and multistranded DNA oligomers. Under mild reducing conditions at room temperature, these engineered biomineralization peptides self-assembled and formed silver nanostructures. The trimeric forms of the biomineralization peptides were the most efficient in forming a hexagonal disk nanostructure, with both the coiled-coil peptide and DNA-based multimeric forms. Together, the results suggest that the spatial arrangement of biomineralization peptides plays a more important role in regulating nanostructure formation than their valency.

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 Opus0,032
Tête enseignante GPT0,311
Écart entre enseignants0,279 · 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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomimeticsMême sujetDiatoms and Algae ResearchTravaux en français237 207