MétaCan
Menu
Retour à la cohorte
Enregistrement W4400292676 · doi:10.1021/acsnano.4c03839

In Operando Imaging Electrostatic-Driven Disassembly and Reassembly of Collagen Nanostructures

2024· article· en· W4400292676 sur OpenAlexfundno aff
Clara Garcia-Sacristán, Victor G. Gisbert, K. Klein, Anđela Šarić, Ricardo Garcı́a

Notice bibliographique

RevueACS Nano · 2024
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueForce Microscopy Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesMinisterio de Ciencia e InnovaciónH2020 European Research CouncilMinisterio de Ciencia, Innovación y UniversidadesSimon Fraser UniversityEuropean CommissionRoyal Society
Mots-clésNanostructureElectrostaticsNanoscopic scaleMoleculeMolecular dynamicsStatic electricityNanotechnologyAtomic force microscopyBiophysicsChemistryElectrostatic interactionMaterials scienceChemical physicsComputational chemistryOrganic chemistryBiologyPhysics

Résumé

récupéré en direct d'OpenAlex

Collagen is the most abundant protein in tissue scaffolds in live organisms. Collagen can self-assemble in vitro, which has led to a number of biotechnological and biomedical applications. To understand the dominant factors that participate in the formation of collagen nanostructures, here we study in real time and with nanoscale resolution the disassembly and reassembly of collagens. We implement a high-speed force microscope, which provides in situ high spatiotemporal resolution images of collagen nanostructures under changing pH conditions. The disassembly and reassembly are dominated by the electrostatic interactions among amino-acid residues of different molecules. Acidic conditions favor disassembly by neutralizing negatively charged residues. The process sets a net repulsive force between collagen molecules. A neutral pH favors the presence of negative and positively charged residues along the collagen molecules, which promotes their electrostatic attraction. Molecular dynamics simulations reproduce the experimental behavior and validate the electrostatic-based model of the disassembly and reassembly processes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,042
Score d'incertitude au seuil0,339

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,003
Tête enseignante GPT0,270
Écart entre enseignants0,267 · 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 tête enseignante, 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

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujetForce Microscopy Techniques and ApplicationsTravaux en français237 207