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.

⚛️ biophysics

Individuality and information content of infrared molecular profiles: insights from a large longitudinal health-profiling study

Die Studie zeigt, dass infrarotspektroskopische Blutprofile eine hohe individuelle Stabilität und einen größeren Informationsgehalt als herkömmliche klinische Laborparameter aufweisen und durch deren Kombination die Identifizierbarkeit von Personen in großen Kohorten signifikant verbessert werden kann.

Zarandy, Z. I., Nemeth, F. B., Eissa, T., Lakatos, C., Nagy, D., Debreceni, D., Fleischmann, F., Kovacs, Z., Gero, D., Z (…)2026-04-13
⚛️ biophysics

Conformation-Dependent Donor Selectivity in the Xanthan Gum Glycosyltransferase GumK Revealed by AI-Based Docking

Diese Studie zeigt, dass die AI-gestützte Docking-Analyse mit GNINA aufzeigt, wie die Donor-Substratspezifität des Glycosyltransferase-Enzyms GumK durch das Zusammenspiel von Substratchemie und der Konformationsplastizität seiner Bindetasche bestimmt wird, wobei unterschiedliche Wechselwirkungen in offenen und geschlossenen Zuständen zu einer konformationsabhängigen Selektivität führen.

Luciano, D., Alenfalk, T., Courtade, G.2026-04-13
⚛️ biophysics

Integrating computational chemistry and machine learning to predict KRAS mutation-induced resistance

Die Studie entwickelt einen integrierten Ansatz aus computergestützter Chemie und maschinellem Lernen, der auf Basis von Molekulardynamik-Simulationen und spezifischen energetischen sowie strukturellen Deskriptoren mit über 90 % Genauigkeit die durch sekundäre Mutationen verursachte Resistenz von KRAS-G12C-Inhibitoren vorhersagt.

Mizgalska, K., Urbaniak, K., Imbody, D. J., Haura, E. B., Guida, W. C., Branciamore, S., Karolak, A.2026-04-11