Protein displacement dynamics on chromium oxide nanoparticles: Investigating the Vroman effect in a binary protein system
Notice bibliographique
Résumé
Metal exposure through environmental and biomedical sources poses significant risks to human health. Biomedical implants made of metal alloys, such as stainless steel, degrade chemically and mechanically over time, resulting in surrounding tissues being exposed to chromium oxide (Cr₂O₃) nanoparticles. These nanoparticles interact dynamically with biological fluids and tissues, leading to protein adsorption and the formation of a protein corona, which influences material biocompatibility and the immune response. This study investigates the interaction of Cr₂O₃ nanoparticles with two plasma proteins—bovine serum albumin (BSA) and fibrinogen—with a particular emphasis on the displacement dynamics governed by the Vroman effect. Using a variety of spectroscopic, analytical, and imaging techniques, the study reveals that neither Cr₂O₃ nanoparticles nor the displacement of BSA induce fibrinogen unfolding or breakage of its disulfide bonds. Fibrinogen was found to rapidly (< 1 minute) replace BSA on the nanoparticle surface and also to deposit on top of BSA, suggesting the mechanism of protein exchange follows the transient complex exchange model. These findings highlight the complex dynamics that modulate protein adsorption and displacement and contribute to the growing body of work that aims to advance the understanding of nanoparticle-protein interactions. • Fibrinogen rapidly displaces BSA on the surface of chromium oxide nanoparticles. • Chromium oxide nanoparticles do not induce BSA or fibrinogen unfolding. • Fibrinogen was found to deposit on top of initially adsorbed BSA. • The mechanism of the Vroman effect follows the transient exchange model.
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 ».