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 identifiziert die NS3-Protease-Domäne des Gelbfieber-Virus als hochaffinen und spezifischen Binder von G-Quadruplexen, was neue Ansatzpunkte für antivirale Strategien eröffnet.
Diese Studie nutzt knotentheoretische Verschränkungsmaße, um zu zeigen, dass topologische Merkmale intrinsisch disordinierter Proteine evolutionär konservierte, funktionell relevante Muster aufweisen, die eine Verbindung zwischen Sequenz, Ensemble-Struktur und biologischer Funktion herstellen.
Die Autoren stellen RESURF vor, ein leichtgewichtiges Deep-Learning-Framework, das durch den Einsatz eines rekurrenten neuronalen Netzwerks Echtzeit-Super-Resolution-Fluktuationen-Bildgebung ermöglicht, indem es die benötigte Bildanzahl auf nur acht Frames reduziert und die Inferenzzeit unter 30 ms hält.
Die Studie zeigt, dass die Krümmung von Lipidmembranen die Oxidationsanfälligkeit durch eine erhöhte Exposition der Lipidschwänze gegenüber wässrigen Umgebungen verstärkt, wobei dieser Effekt in Abhängigkeit von der Lipidzusammensetzung und dem Cholesteringehalt moduliert wird.
Die Studie zeigt, dass ein mutationaler Robustheitsindex, der auf der Vorhersage von Stabilitätsänderungen durch Aminosäuresubstitutionen basiert, die Proteindynamik sowohl bei natürlichen als auch bei neu designten Proteinen zuverlässig vorhersagt und dabei strukturellen Konfidenzwerten wie pLDDT komplementäre physikalische Informationen liefert.
Die Studie zeigt mittels Kryo-EM-Rekonstitution in Lipid-Nanodiscs, dass Lipide für die Struktur und Funktion des bakteriellen K+-Transporters KdpFABC essenziell sind, indem sie sowohl als strukturelle Bestandteile an den Subunit-Grenzen als auch als annuläre Lipide die allosterischen Konformationsänderungen während des ATP-getriebenen Transportzyklus ermöglichen.
Die Studie zeigt, dass breite Verteilungen der Gleitzeiten ein universelles Merkmal für effiziente Zielsuche von Proteinen auf DNA darstellen, indem sie durch einen Erneuerungsrahmen die Mittelwerte und Fluktuationen der Suchzeit verknüpfen und aufzeigen, wie intermittierende Ablösungen die Suche optimieren.
Diese Studie nutzt ein erklärbares KI-Framework, das Protein-Sprachmodelle mit Frustrationsanalysen kombiniert, um zu zeigen, dass allosterische Bindungsstellen in Protein-Kinasen durch persistente, neutral frustrierte energetische Zonen gekennzeichnet sind, die ihre regulatorische Plastizität ermöglichen und ihre algorithmische Detektierbarkeit einschränken.
Diese Studie stellt amyAMP vor, ein auf generativem Deep Learning basierendes Framework, das mithilfe von Molekulardynamik-Simulationen nachgewiesene Prinzipien für das rationale Design von multifunktionalen antimikrobiellen Peptiden mit amyloidähnlichen Eigenschaften aufdeckt.
Diese Arbeit stellt das SR-EV-Modell als minimalen, physikalisch fundierten Rahmen vor, der erklärt, wie sich heterogene Chromatin-Ensemble-Konformationen durch stochastische Rückkehrregeln und ausgeschlossenes Volumen bilden und dabei sowohl experimentelle Einzelzell-Daten als auch Ensemble-Statistiken wie TADs konsistent reproduzieren.