609 Arbeiten
Die Biophysik verbindet die Gesetze der Physik mit den Geheimnissen des Lebens, um zu verstehen, wie molekulare Maschinen in Zellen funktionieren oder wie Nervenimpulse entstehen. Auf Gist.Science machen wir die neuesten Erkenntnisse dieses faszinierenden Feldes für jeden zugänglich, indem wir komplexe Vorveröffentlichungen von bioRxiv in verständliche Inhalte verwandeln.
Jedes neue Preprint aus der Kategorie Biophysik wird von uns automatisch erfasst und sowohl in einer einfachen Zusammenfassung als auch in einer detaillierten technischen Analyse aufbereitet. So erhalten Sie einen direkten Einblick in aktuelle Forschung, ohne sich durch schwer verständliche Fachsprache kämpfen zu müssen.
Im Folgenden finden Sie die neuesten Beiträge aus der Biophysik, die wir für Sie zusammengestellt haben.
Diese Studie stellt einen Deep-Learning- und Biophysik-basierten Ansatz vor, der künstliche Intelligenz nutzt, um wasserlösliche und spezifische Peptide mit hoher Affinität zu Kunststoffen zu entdecken, die für die effektive Bekämpfung von Mikroplastikverschmutzung geeignet sind.
Diese Studie nutzt molekulardynamische Simulationen, um zu zeigen, dass die nicht-kanonische Erkennung der U1-snRNA-Schleife 4 durch die ULD-Domäne von SF3A1 auf einem dualen Mechanismus aus sequenzspezifischen Wechselwirkungen des RGGR-Motivs und struktureller Erkennung des UUCG-Tetraloops beruht, der durch konformationsabhängige Anpassungen die frühe Spliceosom-Assembly stabilisiert.
Diese Studie entwickelt und bewertet verschiedene Deep-Learning-Modelle auf Basis von Detectron2 und YOLO v10 zur automatisierten, Echtzeit-Erkennung von Amöben in Phasenkontrast-Mikroskopiebildern, um die manuelle Annotation zu reduzieren und die Zellaktivität durch geringere Lichtintensität zu schonen.
Die Studie zeigt, dass der scheinbare Diffusionskoeffizient (ADC) in fibrotischen Lebern aufgrund von T2-Schein-Effekten fälschlicherweise abnimmt, während der langsame Diffusionskoeffizient (SDC) als korrigierte Metrik einen stufenweisen Anstieg mit fortschreitender Fibrose aufweist, was auf das Überwiegen des erhöhten Wassergehalts über den Suszeptibilitätseffekt in späten Stadien hindeutet.
Diese Studie kombiniert molekulare Dynamiksimulationen und Deep Learning, um den universellen, entropisch ungünstigen Faltungsmechanismus von Lasso-Peptiden aufzuklären und zu zeigen, dass die Stabilisierung der Schleifenstruktur sowie räumliche Einschränkung die Faltungswahrscheinlichkeit signifikant erhöhen.
Diese Studie nutzt zweidimensionale Replika-Austausch-Molekulardynamik-Simulationen, um den Bindungsmechanismus des Abl-Kinase-Substratpeptids Abltide aufzuklären und dabei fünf Begegnungsregionen sowie sechs Zwischenzustände zu identifizieren, die durch spezifische hydrophobe und negative Patch-Wechselwirkungen gesteuert werden und somit die rationale Entwicklung peptidbasierter Inhibitoren ermöglichen.
Die Studie zeigt, dass natürliche nicht-kodierende RNAs im Vergleich zu zufälligen Sequenzen ähnliche Boltzmann-Verteilungen aufweisen und somit den Großteil des RNA-Morphoriums durch die Biophysik der Genotyp-Phänotyp-Karte bestimmen, wobei der Hauptunterschied in einer leicht höheren energetischen Stabilität natürlicher RNAs liegt.
Diese Studie stellt ein neues theoretisches Rahmenwerk vor, das die Dynamik von Form und Eigenspannung in stäbchenförmigen Pflanzenorganen durch ein Modell konzentrischer morphoelastischer Schalen beschreibt, um analytische Zusammenhänge zwischen Gewebeparametern und makroskopischen Phänomenen wie Wachstum, Biegung und Autotropismus zu ermitteln.
Diese Studie widerlegt die Behauptung, dass extrakraniell gemessene ultraleichte Photonenemissionen als Biomarker für die Gehirnaktivität dienen können, indem sie nachweist, dass die berichteten Signale durch Hintergrundlicht verfälscht sind und aufgrund von Gewebeabsorption sowie der begrenzten Empfindlichkeit der Detektoren kaum vom Gehirn, sondern überwiegend von der Kopfhaut stammen.
Diese Studie nutzt das Mpipi-Recharged-Modell, um zu zeigen, wie in elektrostatischen Protein-Coazervaten schnelle molekulare Bindungsereignisse mit einer starken Verlangsamung der makroskopischen Dynamik und Viskosität einhergehen, wodurch ein prädiktiver Rahmen für den Zusammenhang zwischen Sequenz, Multiskalen-Dynamik und emergenten Materialeigenschaften etabliert wird.