394 articles
La biologie cellulaire explore les unités fondamentales de la vie, dévoilant comment chaque cellule fonctionne, communique et se divise. Ce domaine dynamique examine les mécanismes invisibles qui régissent la santé et les maladies, offrant des perspectives cruciales sur le fonctionnement intime des organismes vivants.
Sur Gist.Science, nous suivons de près bioRxiv pour vous présenter les toutes dernières découvertes dans ce secteur. Chaque nouveau prépublications dans cette catégorie est analysé par nos soins, avec une double approche : un résumé technique détaillé pour les experts et une explication claire en langage simple pour tous les curieux.
Voici la sélection des articles les plus récents soumis à bioRxiv et traités par notre équipe pour votre lecture.
Cette étude révèle qu'une formation inefficace des autophagosomes constitue l'étape limitante de la mitophagie neuronale, provoquant une élimination nettement plus lente des mitochondries endommagées par rapport aux modèles non neuronaux et contribuant potentiellement à la vulnérabilité neuronale dans les maladies neurodégénératives.
Cette étude démontre que le mouvement coordonné des chromosomes pendant la métaphase est une propriété mécanique émergente découlant de l'environnement viscoélastique du fuseau, où les microtubules et la chromatine facilitent la transmission et l'ajustement des forces par un couplage mécanique stochastique plutôt que par une signalisation régulatrice directe.
Cet article introduit la microscopie d'expansion quantitative (qExM), une méthode de fixation par cryogénie qui exploite le décrowding moléculaire pour estimer avec précision l'abondance des protéines endogènes in situ, atteignant une erreur moyenne de 9,4 % lors de l'évaluation des complexes du pore nucléaire et permettant la quantification des complexes de la chaîne respiratoire mitochondriale dans divers contextes cellulaires.
Cet article présente MorphoLearn, un cadre d'IA piloté par la morphologie qui permet une segmentation 3D évolutive et précise de diverses ultrastructures de diatomées à partir de données FIB-SEM en optimisant des réseaux de neurones légers, en exploitant l'apprentissage par transfert et en employant des stratégies sensibles aux contours pour surmonter les défis posés par la grande variabilité morphologique et les annotations limitées.