Protein Adsorption on Solid Surfaces: Data Mining, Database, Molecular Surface-Derived Properties, and Semiempirical Relationships
Notice bibliographique
Résumé
Protein adsorption on solid surfaces is a process relevant to biological, medical, industrial, and environmental applications. Despite this wide interest and advancement in measurement techniques, the complexity of protein adsorption has frustrated its accurate prediction. To address this challenge, here, data regarding protein adsorption reported in the last four decades was collected, checked for completeness and correctness, organized, and archived in an upgraded, freely accessible Biomolecular Adsorption Database, which is equivalent to a large-scale, ad hoc, crowd-sourced multifactorial experiment. The shape and physicochemical properties of the proteins present in the database were quantified on their molecular surfaces using an in-house program (ProMS) operating as an add-on to the PyMol software. Machine learning-based analysis indicated that protein adsorption on hydrophobic and hydrophilic surfaces is modulated by different sets of operational, structural, and molecular surface-based physicochemical parameters. Separately, the adsorption data regarding four "benchmark" proteins, i.e., lysozyme, albumin, IgG, and fibrinogen, was processed by piecewise linear regression with the protein monolayer acting as breakpoint, using the linearization of the Langmuir isotherm formalism, resulting in semiempirical relationships predicting protein adsorption. These relationships, derived separately for hydrophilic and hydrophobic surfaces, described well the protein concentration on the surface as a function of the protein concentration in solution, adsorbing surface contact angle, ionic strength, pH, and temperature of the carrying fluid, and the difference between pH and the isoelectric point of the protein. When applying the semiempirical relationships derived for benchmark proteins to two other "test" proteins with known PDB structure, i.e., β-lactoglobulin and α-lactalbumin, the errors of this extrapolation were found to be in a linear relationship with the dissimilarity between the benchmark and the test proteins. The work presented here can be used for the estimation of operational parameters modulating protein adsorption for various applications such as diagnostic devices, pharmaceuticals, biomaterials, or the food industry.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».