419 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.
Die Studie entwickelt ein minimalitätsbasiertes Zellmodell, das zeigt, wie aktive intermittierende Adhäsionen die Bildung dreidimensionaler Zellaggregate mit emergenten fluideigenschaften wie Oberflächenspannung steuern und deren Verhalten bei der Benetzung sowie bei der kollektiven Chemotaxis erklären.
Die Studie zeigt, dass in Makrophagen sowohl Gβγ- als auch Gαq-vermittelte Signale unabhängig voneinander die Rekrutierung von PLCβ an die Plasmamembran bewirken und damit dessen Aktivierung ermöglichen, was ein aktualisiertes Modell der G-Protein-abhängigen Regulation dieser Enzyme untermauert.
Diese Studie analysiert die geschlossene kinematische Kette beim Radfahren mittels Inverser Dynamik und zeigt erhebliche interindividuelle Unterschiede in der Kniegelenksbelastung, was personalisierte Trainings- und Rehabilitationsstrategien begründet.
Diese Studie entschlüsselt mittels Kryo-Elektronenmikroskopie die hochauflösende Struktur des zytoplasmatischen Gitters in Säugetier-Eizellen und zeigt, wie es als strukturiertes Reservoir für Ubiquitinierungsmaschinerie und Tubulin dient, um die Proteindegradation und das Zytoskelett-Remodeling während des Übergangs von der Eizelle zum Embryo vorzubereiten.
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 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.
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 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 enthüllt, dass Natriumionen die Aktivierung des Dopamin-D2-Rezeptors durch die Umgestaltung allosterischer Kopplungsnetzwerke und die Unterbrechung einer für die Aktivierung essenziellen internen Wasserstruktur hemmen, was neue Ansätze für die Entwicklung ionensensitiver Medikamente bietet.