Influence des nanoparticules d’argent élaborées par procédé plasma sur la conformation de la fibronectine
Bibliographic record
Abstract
L’objectif de ce projet est d’étudier l’influence de nanoparticules d’argent intégrées dans une matrice organosiliciée sur l’organisation de la fibronectine. L’argent étant connu depuis des siècles pour ses propriétés antibactériennes, l’étude de l’adsorption de protéines au contact de ces nanoparticules est essentielle en vue d’une utilisation dans le domaine biomédical. Dans un premier temps, les nanoparticules ont été intégrées dans une matrice organosiliciée, le tout synthétisé par plasma à basse pression. La présence d’argent dans le plasma durant le dépôt a été analysée par spectroscopie d’émission optique. Puis, la fibronectine a été adsorbée sur les surfaces pour étudier l’influence des nanoparticules. Les surfaces ont été caractérisées par différentes techniques notamment par spectroscopie photoélectronique par rayons X pour identifier la présence d’argent et de la fibronectine. La rugosité des surfaces a également été analysée par microscopie à force atomique et des mesures d’angle de contact dynamique ont été réalisées. Enfin, pour quantifier la fibronectine sur les surfaces et pour connaître l’organisation de la protéine, des tests ELISA ont été effectués.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".