Living Dual Heat- and pH-Responsive Textiles
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Smart textiles that integrate multiple environmental sensing capabilities are an emerging frontier in wearable technology. In this study, we developed dual pH- and temperature-responsive textiles by combining engineered bacterial systems with bacterially derived proteins. For temperature sensing, we characterized the properties of a heat sensitive promoter, P hs, in Escherichia coli ( E. coli ) using enhanced green fluorescent protein as a reporter. Our findings demonstrate that the P hs promoter drives elevated gene expression at temperatures between 37 and 43 °C, maintaining sustained activity for several hours. Moreover, we found that short heat shocks can significantly boost expression levels of the P hs promoter. We successfully integrated E. coli expressing P hs -EGFP cells onto textiles and confirmed their ability to retain heat-responsive behavior after integration. To achieve pH responsiveness, we utilized curli fibers, genetically engineered to incorporate a pH-sensitive fluorescent protein, pHuji. pH-sensing curli fibers are bacterial proteins that have a proven track record of creating stable bioresponsive textile coatings. By embedding P hs -EGFP-expressing bacteria within curli fiber coatings, we created a dual-responsive textile capable of differentiating between acidic and alkaline environments while simultaneously responding to thermal stimuli. These multifunctional textiles exhibited dual environmental response and sensing capabilities. This work establishes a proof-of-concept for creating smart living textiles with modular functionalities, paving the way toward advanced bioresponsive materials.
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.
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 découle