Mixed Ionic and Electronic Charge Transport in Conductive Protein Fibers Revealed with DC Electrical Measurements
Notice bibliographique
Résumé
Naturally conductive protein nanowires have inspired efforts to engineer electrical conductivity into synthetic fibrous proteins for the development of bioelectronic materials and devices. A comprehensive analysis of charge transport in these systems requires a combination of various measurement methods, instruments and electrode designs. Measurements under direct current (DC) typically focus on charge transport without distinguishing between charged species, requiring alternating current (AC) and electrochemical methods to probe additional phenomena. Here, ionic and electronic charge transport mechanisms are separately studied within nanowires on interdigitated micro-electrodes under DC. This study also deconvolutes the effects of humidity, salts and polyethylene glycol (PEG) on protein conductivity. As a model system, the M13 bacteriophage, a filamentous protein assembly that is an ideal scaffold for engineering charge transport is used. The M13 phage is also compared with two previously studied conductive protein fibers, Geobacter-derived protein nanowires (e-PN) and engineered aromatic curli fibers. This study observes both transient ionic charge transport and steady-state electronic conductivity in the M13 phage and curli fibers, whereas e-PN materials predominantly exhibited electronic charge transport. The results show that transient and steady-state examinations of sensitive DC measurements in protein fibers help better understand mixed transport in these materials with particularly low conductivity.
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 ».