365 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 systematische Übersichtsarbeit und Metaanalyse stützt die Neuinterpretation des langfristigen Divergenzexponenten in der Ganganalyse als „Attractor Complexity Index", der Gangkomplexität und -automatisierung widerspiegelt, anstatt traditionell als Stabilitätsmaß zu dienen.
Die Autoren erweitern den GPU-beschleunigten Coarse-Grained-Simulator OpenCafeMol um DNA-Modelle und spezifische Wechselwirkungspotenziale, um durch signifikante Geschwindigkeitssteigerungen langfristige biologische Prozesse wie die DNA-Loop-Extrusion durch SMC-Komplexe effizient zu simulieren.
Das Paper stellt ChironRNA vor, ein E(3)-äquivariantes Diffusionsmodell, das mithilfe eines hierarchischen Ansatzes aus grob- und allatomaren Modellen RNA-Strukturen präzise verfeinert, indem es sterische Kollisionen auflöst und fehlende Atome wiederherstellt.
Die Studie zeigt, dass heterotypische Zelladhäsion die Effizienz der Zellmigration auf Epithelien nichtlinear moduliert und ein optimales Adhäsionsniveau existiert, was durch ein computergestütztes Modell und experimentelle Bestätigungen in Drosophila belegt wird.
Diese prospektive Studie bewertet die Leistungsfähigkeit von Deep-Learning-Co-Folding-Methoden wie AlphaFold3, Boltz-2 und Chai-1 an 557 neu bestimmten Mac1-Ligand-Komplexen und drei virtuellen Screens, wobei sich zeigt, dass diese Modelle zwar viele Ligandenposen akkurat vorhersagen, aber konformationelle Änderungen oft nicht erfassen und eine Kombination aus physikbasierten Docking-Scores und KI-gestützten Affinitätsvorhersagen die beste Strategie für das Hit-Prioritizing darstellt.
Die Autoren entwickelten ein filament-resolviertes Simulationsmodell, das zeigt, wie die Konzentrationen der Proteine Arp2/3 und Fascin durch stochastische Polymerisation, Verzweigung und Bündelung die Selbstorganisation von Aktin-Netzwerken in Lamellipodien, Filopodien und retikulierte Strukturen steuert und deren Einfluss auf die Zellmembranform erklärt.
Die Studie stellt MorphCurveVAE vor, einen zweistufigen Ansatz, der mittels eines variationalen Autoencoders und einer Hauptkurven-Extraktion kontinuierliche morphologische Trajektorien aus statischen 3D-Mikroskopiebildern rekonstruiert, um biologische Zellveränderungen wie den Mitosezyklus ohne zeitlich aufgelöste Beobachtungen zu modellieren.
Die Studie entwickelt und validiert ein computergestütztes Framework, das zeigt, dass sich die postoperative Zunahme der Pulswellenintensität nach einer simulierten Lungenresektion primär auf morphometrische Veränderungen des pulmonalarteriellen Netzwerks zurückführen lässt.
Die Studie zeigt, dass intrinsisch ungeordnete Regionen (IDRs) in Transkriptionsfaktoren wie ComK essenziell sind, um durch Verstärkung von DNA-Strukturschwankungen über große Distanzen allosterische Signale zu übertragen und so die Transkriptionsaktivierung zu ermöglichen.
Diese Studie zeigt, dass lebende menschliche Zellen die Transkriptionsspezifität des Glukokortikoidrezeptors durch einen energieabhängigen kinetischen Korrekturlesemechanismus erreichen, bei dem Promotoren spezifische von unspezifischen Transkriptionsfaktoren primär anhand ihrer Verweildauer und nicht ihrer bloßen Besetzung unterscheiden.