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.
Diese Studie stellt ein vollständig reproduzierbares computergestütztes Modell der synthetischen inneren Mitochondrienmembran vor, das zeigt, wie die Lipidzusammensetzung (insbesondere Cardiolipin) und die Membranleckage die Kopplungsintegrität und damit die ATP-Ausbeute steuern, und bietet damit quantitative Designregeln für programmierbare bioenergetische Membranen.
Diese Arbeit kritisiert die Benchmarking-Verfahren der TDC-ADMET-Leaderboards und zeigt auf, dass die meisten Top-Modelle aufgrund von Datenlecks, mangelnder Reproduzierbarkeit und Testset-Überanpassung unzuverlässig sind, wodurch die dringende Notwendigkeit verbesserter Benchmarks mit versteckten Testdaten und standardisierten Umgebungen unterstrichen wird.
Diese Studie bietet eine systematische Analyse des Kompromisses zwischen Klassifizierungsgenauigkeit und Recheneffizienz bei der tiefenlernbasierten Einzelzellklassifizierung in der holographischen Durchflusszytometrie, indem sie verschiedene Bildrepräsentationen und Verarbeitungspipelines bewertet, um optimale Strategien für biomedizinische Anwendungen zu identifizieren.
Das Papier stellt QuantiTrack vor, eine benutzerfreundliche MATLAB-Software zur umfassenden Analyse der Einzelmolekülverfolgung in lebenden Zellen, die durch die Untersuchung der Hormon-regulierten Dynamik des Glukokortikoid-Rezeptors ihre Wirksamkeit für die biologische Forschung demonstriert.
Die Studie nutzt zeitaufgelöste Einzelmolekül-FRET-Messungen in Kombination mit mikrofluidischer Mischtechnik, um zu zeigen, dass die Länge von Poly(ADP-Ribose)-Ketten einen entscheidenden kinetischen Schwellenwert für die elektrostatikvermittelte Dekompression und Disassemblierung von Nukleosomen darstellt.
Die Studie nutzt dynamische Graphgrammatiken, um die durch Aktinfilamente und Membranwechselwirkungen gesteuerte Morphodynamik von synaptischen Dornenfortsätzen zu modellieren und dabei die Auswirkungen sowie epistatischen Beziehungen von vier Aktin-bindenden Proteinen auf die Form zu simulieren.
Die Autoren stellen ein neuartiges, selbstkonsistentes und vollautomatisiertes Verfahren vor, das durch iterative Optimierung die genaue Bestimmung der Rotationswinkel einzelner Zellen ermöglicht und so die Zuverlässigkeit und Skalierbarkeit der holographischen tomographischen Durchflusszytometrie erheblich verbessert.
Die Autoren stellen ein umfassendes theoretisches Framework vor, das die dynamische Simulation von NMR-Linienformen in Lipid-Bikellen und Nanodiscs ermöglicht, indem es Lipiddiffusion, Orientierungsverteilungen und Membrandünnung integriert, um die quantitative Interpretation anisotroper Wechselwirkungen bei der Bindung von Peptiden oder Proteinen zu verbessern.
Die Studie stellt MiCSPARC vor, eine benutzerfreundliche Pipeline auf Basis von CryoSPARC, die durch automatisierte Partikelauswahl und schnelle 3D-Verfeinerung hochauflösende Rekonstruktionen sowohl von dekorierten als auch undekorierten Mikrotubuli ermöglicht.
Das Paper stellt AI-BioMech vor, ein auf Deep Learning basierendes Framework, das die mechanische Reaktion biologischer zellulärer Materialien direkt aus 2D-Bildern vorhersagt und dabei traditionelle Finite-Elemente-Simulationen in Bezug auf Geschwindigkeit und Skalierbarkeit übertrifft.