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.
Obwohl Molekularsimulationen darauf hindeuten, dass Chlorotoxin und seine Fragmente günstig an nicht-katalytische Regionen von MMP-2 binden und die Migration von Glioblastomzellen hemmen, inhibieren sie nicht direkt die enzymatische Aktivität von MMP-2, was darauf hindeutet, dass Chlorotoxin wahrscheinlich alternative Mechanismen im Glioblastom adressiert.
Diese Studie führt eine „Form-als-Signal“-Strategie unter Verwendung vollständig genetisch kodierter, niedermolekularer Proteintags mit definierten starren Geometrien ein, um die direkte, eindeutige Identifizierung spezifischer Proteine innerhalb überfüllter zellulärer Umgebungen mittels Kryo-Elektronentomographie ohne die Notwendigkeit sperriger exogener Sonden zu ermöglichen.
Diese Studie zeigt, dass aus hochauflösender Röntgenkristallographie abgeleitete Multikonformer-Ensemble-Modelle die Bindungsentropien von Protein-Ligand-Komplexen präzise vorhersagen können, indem sie die Konformationsentropien sowohl des Proteins als auch des Lösungsmittels gemeinsam berücksichtigen und somit explizite entropische Überlegungen im strukturgestützten Wirkstoffdesign ermöglichen.
Dieses Manuskript mit dem Titel „Quantifying lipids in human cells using Raman spectroscopy“ wurde von den Autoren aufgrund identifizierter Ungenauigkeiten, die eine weitere Verfeinerung erfordern, zurückgezogen, und sie bitten darum, dass es nicht zitiert wird.
Dieses Paper stellt die Abhängigkeit von der nativen Sequenzrekonstruktion (NSR) als primärer Metrik für Proteindesignmodelle in Frage, indem es PottsMPNN einführt, welches die NSR-Leistung zugunsten einer überlegenen Sequenzgenerierung und Energielandschaftsvorhersage durch das Training auf verrauschten Strukturen und multiplen Sequenzalignments opfert.