⚛️ biophysics

Role of desolvation on biomolecular liquid-liquid phase separation

यह अध्ययन एक कोर्स-ग्रेन्ड मॉडल विकसित करता है जो अवशेष-स्तरीय (residue-level) विलायक-निकासी ऊर्जा (desolvation energetics) को स्पष्ट रूप से समाहित करता है ताकि यह प्रकट किया जा सके कि ये बल बायोमॉलिकुलर लिक्विड-लिक्विड फेज सेपरेशन के ऊष्मागतिक परिदृश्य और गतिज गतिकी को कैसे नया रूप देते हैं, जिससे कंडेनसेट गुणों और संरचनात्मक संकुचन (conformational compaction) के बेहतर पूर्वानुमान प्राप्त होते हैं।

मूल लेखक: Zhang, K., Peng, Z., Li, W., Wang, W.

प्रकाशित 2026-03-10

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Zhang, K., Peng, Z., Li, W., Wang, W.

मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ⚕️ यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें

मुख्य चित्र: जीवन का "जल नृत्य" (Water Dance)

कल्पना कीजिए कि आपकी कोशिकाएं (cells) एक हलचल भरे शहर की तरह हैं। इस शहर के अंदर कोई दीवारें या कमरे नहीं हैं; इसके बजाय, शहर खुद को तैरते हुए "पड़ोसों" में व्यवस्थित करता है जिन्हें बायोमॉलिक्यूलर कंडेंसेट (biomolecular condensates) कहा जाता है। ये अस्थायी बुलबुलों की तरह होते हैं जहाँ विशिष्ट प्रोटीन महत्वपूर्ण काम करने के लिए इकट्ठा होते हैं, जैसे संदेश भेजना या DNA की मरम्मत करना।

कभी-कभी, ये बुलबुले सही ढंग से बनते हैं। लेकिन अन्य समय में, वे फंस जाते हैं, सख्त कचरे (gunk) में बदल जाते हैं, और अल्जाइमर या कैंसर जैसी बीमारियां पैदा करते हैं।

वैज्ञानिक इन बुलबुलों के बनने की प्रक्रिया को समझने के लिए कंप्यूटर मॉडल बनाने की कोशिश कर रहे हैं। समस्या क्या है? उनके अधिकांश मॉडल पानी को इस तरह मानते हैं जैसे कि वह अस्तित्व में ही न हो। वे कल्पना करते हैं कि प्रोटीन एक निर्वात (vacuum) में तैर रहे हैं, इस तथ्य को नजरअंदाज करते हुए कि वे वास्तव में पानी के अणुओं के समुद्र में तैर रहे हैं।

यह शोध पत्र कहता है: "हमें पानी को नजरअंदाज करना बंद करना होगा।"

लेखकों ने इन प्रोटीनों को सिम्युलेट (simulate) करने का एक नया तरीका विकसित किया है जो स्पष्ट रूप से डेसोल्वेशन (desolvation) प्रक्रिया को ध्यान में रखता है—मूल रूप से, वह कठिन काम जो प्रोटीनों को एक-दूसरे को गले लगाने के लिए पानी के अणुओं को रास्ते से हटाने के लिए करना पड़ता है।

उपमा (Analogy): "कीचड़ का गड्ढा" बनाम "सूखा हाथ मिलाना"

डेसोल्वेशन को समझने के लिए, कल्पना करें कि दो लोग कीचड़ के गड्ढे में हाथ मिलाने की कोशिश कर रहे हैं।

पुराना तरीका (Implicit Solvent): पुराने कंप्यूटर मॉडलों में, कीचड़ मौजूद नहीं था। दो लोग बस चलते आते और तुरंत हाथ मिला लेते। मॉडल ने माना कि जुड़ना आसान था।
नया तरीका (Explicit Desolvation): वास्तविकता में, कीचड़ (पानी) उनके हाथों से चिपका हुआ है। हाथ मिलाने से पहले, उन्हें कीचड़ को निचोड़ना (wring out) होगा। इसमें ऊर्जा और प्रयास लगता है।
- बाधा (The Barrier): यहाँ प्रतिरोध का एक क्षण होता है (एक "डेसोल्वेशन बैरियर") जहाँ उन्हें करीब आने के लिए पानी से लड़ना पड़ता है।
- गीला आलिंगन (The Wet Hug): कभी-कभी, वे सारा पानी पूरी तरह से नहीं निकाल पाते। वे करीब तो रहते हैं, लेकिन उनके बीच कीचड़ की एक पतली परत बनी रहती है। यह एक "सॉल्वेंट-सेपरेटेड कॉन्टैक्ट" (solvent-separated contact) है।

लेखकों ने महसूस किया कि यह "निचोड़ने" की प्रक्रिया बहुत महत्वपूर्ण है। यह इस बात को बदल देता है कि प्रोटीन कितनी आसानी से आपस में जुड़ते हैं, कितनी मजबूती से पैक होते हैं, और कितनी तेजी से चलते हैं।

उन्होंने क्या खोजा (The "Aha!" Moments)

1. "गोल्डिलॉक्स" पैकिंग घनत्व (The "Goldilocks" Packing Density)

समस्या: पुराने मॉडल बहुत अधिक चिपचिपे थे। क्योंकि उन्होंने पानी को नजरअंदाज किया, इसलिए सिमुलेशन में प्रोटीन बहुत कसकर पैक हो गए, जैसे लोगों की भीड़ लिफ्ट में दबकर चपटी हो गई हो। यह वास्तविक जीवन से मेल नहीं खाता, जहाँ ये बुलबुले वास्तव में काफी "छिद्रपूर्ण" (porous) और पानी से भरे होते हैं।

समाधान: मॉडल में "निचोड़ने" (desolvation) के चरण को जोड़ने से, प्रोटीन स्वाभाविक रूप से अपने बीच थोड़ी जगह छोड़ देते हैं।

परिणाम: नया मॉडल पुराने मॉडलों की तुलना में लगभग 5% कम घना बुलबुला बनाता है। यह वास्तविक दुनिया के प्रयोगों से बहुत बेहतर मेल खाता है। यह ऐसा है जैसे यह महसूस करना कि लिफ्ट वास्तव में भरी हुई नहीं है; अभी भी सांस लेने की जगह है।

2. "तापमान अंतराल" का नियम (The "Temperature Gap" Rule)

खोज: शोधकर्ताओं ने एक आश्चर्यजनक गणितीय नियम पाया। उन्होंने देखा कि सिस्टम कितना "तनावपूर्ण" था (तापमान उस बिंदु से कितना दूर था जहाँ बुलबुला बनता है), प्रोटीन अपना आकार उतना ही बदलते थे।

उपमा: एक पार्टी में लोगों के समूह के बारे में सोचें।
- यदि पार्टी अभी शुरू ही हुई है (गर्म तापमान), तो हर कोई फैला हुआ और सहज है।
- यदि पार्टी पागलपन की हद तक पहुँचने वाली है (ठंडा तापमान, "क्रिटिकल पॉइंट" के पास), तो लोग करीब आकर इकट्ठा होने लगते हैं।
- शोध पत्र ने एक सीधी रेखा वाला संबंध (straight-line relationship) पाया: आप "सुरक्षित क्षेत्र" से जितना दूर जाएंगे, प्रोटीन उतना ही सिकुड़ेंगे और सघन होंगे। यह गर्मी और आकार के बीच एक अनुमानित नृत्य है।

3. "ट्रैफिक जाम" का प्रभाव (The "Traffic Jam" Effect - Kinetics)

खोज: ये बुलबुले कितनी तेजी से बनते और चलते हैं?

बाधा: "निचोड़ने" का चरण एक छोटे स्पीड ब्रेकर की तरह काम करता है।
- प्रारंभिक अवस्था: जब बुलबुले बनना शुरू ही होते हैं, तो यह स्पीड ब्रेकर शुरुआत में चीजों को तेजी से आगे बढ़ने में मदद करता है (जैसे गेंद को गति देने के लिए एक धक्का)।
- अंतिम अवस्था: एक बार बुलबुला बन जाने के बाद, वही स्पीड ब्रेकर प्रोटीनों को अंदर हिलने-डुलने में कठिनाई पैदा करता है। यह ट्रैफिक को धीमा कर देता है।
"काइनेटिक अरेस्ट" (The Kinetic Arrest): पुराने मॉडलों में, बुलबुले तुरंत मिल जाते थे। नए मॉडल में, बुलबुले कभी-कभी "ट्रैफिक जाम" के चरण में फंस जाते हैं। वे बनते तो हैं, लेकिन वे तुरंत एक साथ नहीं जुड़ पाते क्योंकि प्रोटीन एक अस्थायी नेटवर्क में फंस जाते हैं। यह समझाता है कि क्यों कुछ जैविक बूंदें लंबे समय तक तरल रहती हैं और ठोस कचरे में नहीं बदलतीं।

यह क्यों महत्वपूर्ण है

पुराने कंप्यूटर मॉडलों को एक ऐसे शहर के मानचित्र के रूप में सोचें जो ट्रैफिक लाइट और गड्ढों को नजरअंदाज करता है। यह आपको बताता है कि बिंदु A से बिंदु B तक कैसे जाना है, लेकिन यह गलत है कि इसमें कितना समय लगेगा और सड़कें कितनी भीड़भाड़ वाली हैं।

यह नया मॉडल ट्रैफिक लाइट (डेसोल्वेशन बैरियर्स) और गड्ढों (पानी की परतें) को जोड़ता है।

वैज्ञानिकों के लिए: यह उन्हें यह अनुमान लगाने के लिए एक बहुत अधिक सटीक उपकरण देता है कि प्रोटीन कैसे व्यवहार करते हैं।
चिकित्सा के लिए: चूंकि अल्जाइमर जैसी बीमारियां इन प्रोटीन बुलबुलों के फंसने और ठोस होने से होती हैं, इसलिए पानी के कारण होने वाले "ट्रैफिक जाम" को समझना हमें इस जाम को रोकने के तरीके खोजने में मदद करता है।

निष्कर्ष (The Bottom Line)

पानी केवल एक निष्क्रिय पृष्ठभूमि नहीं है; यह जीवन के खेल में एक सक्रिय खिलाड़ी है। कंप्यूटर को पानी के अणुओं के "निचोड़ने" (wringing out) के प्रति सम्मान सिखाकर, यह शोध पत्र हमें यह समझने में मदद करता है कि कोशिकाएं खुद को कैसे व्यवस्थित करती हैं, वे कभी-कभी बीमार क्यों होती हैं, और इन रहस्यों को सुलझाने के लिए बेहतर सिमुलेशन कैसे बनाए जा सकते हैं।

यहाँ शोध पत्र "Role of desolvation on biomolecular liquid-liquid phase separation" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

बायोमोलेक्यूलर कंडन्सेट्स (Biomolecular condensates), जो लिक्विड-लिक्विड फेज सेपरेशन (LLPS) के माध्यम से बनते हैं, कोशिकीय संगठन (cellular organization) के लिए महत्वपूर्ण हैं, लेकिन वे न्यूरोडीजेनेरेटिव रोगों और कैंसर से भी जुड़े हुए हैं। LLPS का एक केंद्रीय, फिर भी कम समझा जाने वाला पहलू, विरल घोल (dilute solution) से सघन कंडन्सेट (dense condensate) में संक्रमण के दौरान बायोमोलेक्यूलर श्रृंखलाओं का बहु-चरणीय विलायक-निकासी (multi-step desolvation) है।

वर्तमान कम्प्यूटेशनल दृष्टिकोणों के सामने एक महत्वपूर्ण सीमा है:

ऑल-एटम मॉलिक्यूलर डायनेमिक्स (All-atom MD): हालांकि ये सटीक हैं, लेकिन LLPS के लिए आवश्यक बड़ी संख्या में श्रृंखलाओं और लंबी समय-सीमाओं के अनुकरण (simulation) के लिए ये कम्प्यूटेशनल रूप से अत्यधिक खर्चीले हैं।
कोर्स-ग्रेन्ड (CG) मॉडल: दक्षता के लिए व्यापक रूप से उपयोग किए जाते हैं, लेकिन इनमें से अधिकांश इम्प्लिसिट सॉल्वेंट (implicit solvent) निरूपण पर निर्भर करते हैं। ये मॉडल स्पष्ट जल अणुओं (explicit water molecules) की उपेक्षा करते हैं, जिससे डेसोल्वेशन ऊर्जा (desolvation energetics) (पानी को बाहर निकालने की ऊर्जा लागत) और सॉल्वेंट-सेपरेटेड कॉन्टैक्ट्स (solvent-separated contacts) को पकड़ने में विफल रहते हैं। फलस्वरूप, इम्प्लिसिट मॉडल अक्सर कंडन्सेट के घनत्व को बढ़ा-चढ़ाकर दिखाते हैं और फेज सेपरेशन के ऊष्मप्रवैगिकी (thermodynamic) और गतिक (kinetic) मार्गों का सटीक अनुमान लगाने में विफल रहते हैं।

2. कार्यप्रणाली (Methodology)

लेखकों ने एक परिष्कृत कोर्स-ग्रेन्ड (CG) ढांचे को विकसित किया जो ऊर्जा फलन (energy function) में डेसोल्वेशन भौतिकी को स्पष्ट रूप से शामिल करता है।

मॉडल का आधार: यह अध्ययन हाइड्रोफोबिसिटी स्केल (HPS) मॉडल पर आधारित है, जहाँ प्रत्येक अमीनो एसिड अवशेष (residue) को एक एकल बीड (bead) के रूप में दर्शाया गया है।
स्पष्ट डेसोल्वेशन पद (Explicit Desolvation Terms): लेखकों ने गैर-बद्ध ऊर्जा फलन (non-bonded energy function) को दो गॉसियन पदों (Gaussian terms) को शामिल करने के लिए संशोधित किया है, जो ऑल-एटम सिमुलेशन से प्राप्त किए गए हैं:
1. डेसोल्वेशन बैरियर ( $\epsilon_b$ ): यह सीधे संपर्क बनाने के लिए अवशेषों के बीच से पानी के अणुओं को बाहर निकालने के लिए आवश्यक ऊर्जा दंड (energy penalty) का प्रतिनिधित्व करता है।
2. सॉल्वेंट-सेपरेटेड मिनिमम ( $\epsilon_{ss}$ ): यह एक उथले विभव कुएं (potential well) का प्रतिनिधित्व करता है जहाँ अवशेष एक ब्रिजिंग वॉटर मॉलिक्यूल के माध्यम से परस्पर क्रिया करते हैं।
- समीकरण: $U(r) = \Phi(r) + G_b(r) - G_{ss}(r)$ , जहाँ $\Phi$ मूल HPS विभव है, और $G$ पद बैरियर और सॉल्वेंट-सेपरेटेड वेल का प्रतिनिधित्व करते हैं।
पैरामीटराइजेशन रणनीति:
- बॉटम-अप (Bottom-up): स्पष्ट जल में अमीनो एसिड एनालॉग्स (जैसे मीथेन, मेथनॉल आदि) के ऑल-एटम MD सिमुलेशन किए गए थे ताकि पोटेंशियल ऑफ मीन फोर्स (PMF) की गणना की जा सके। इन PMFs का उपयोग डेसोल्वेशन पदों के लिए स्केलिंग गुणांक ( $\alpha_b$ और $\alpha_{ss}$ ) प्राप्त करने के लिए किया गया था।
- टॉप-डाउन ऑप्टिमाइजेशन (Top-down Optimization): इन मापदंडों को 47 इंट्रांसिकली डिसऑर्डर्ड प्रोटीन्स (IDPs) के डेटासेट के लिए SAXS से प्राप्त प्रयोगात्मक रेडियस ऑफ जिरेशन ( $R_g$ ) डेटा के विरुद्ध और अधिक अनुकूलित किया गया। इसे HPS मॉडल और CALVADOS2 फोर्स फील्ड दोनों पर लागू किया गया।
सिमुलेशन प्रोटोकॉल:
- स्लैब सिमुलेशन (Slab Simulations): चरण सह-अस्तित्व (binodal curves) और क्रिटिकल तापमान ( $T_c$ ) निर्धारित करने के लिए उपयोग किया गया।
- FRAP-जैसा विश्लेषण: सघन चरण (dense phase) के भीतर प्रसार गुणांक (diffusion coefficients) और गतिशीलता को ट्रैक करने के लिए विशिष्ट श्रृंखलाओं को ट्रैक किया गया।
- गतिक विश्लेषण (Kinetic Analysis): प्रारंभिक चरण के स्पिनोडल डीकंपोजिशन (spinodal decomposition) और लेट-स्टेज कोर्सनिंग (late-stage coarsening) का अध्ययन करने के लिए घनत्व भिन्नता और डोमेन विकास की निगरानी की गई।

3. प्रमुख योगदान (Key Contributions)

नवाचारपूर्ण CG ढांचा: एक अवशेष-स्तरीय CG मॉडल का परिचय, जो कम्प्यूटेशनल व्यवहार्यता से समझौता किए बिना डेसोल्वेशन ऊर्जा को स्पष्ट रूप से उपचारित करता है।
ऊष्मप्रवैगिकी डिकपलिंग (Thermodynamic Decoupling): यह प्रदर्शन करना कि डेसोल्वेशन पद चरण स्थिरता (क्रिटिकल तापमान) और कंडन्सेट घनत्व को स्वतंत्र रूप से ट्यून करने की अनुमति देते हैं, जो कि मानक लेनार्ड-जोन्स (Lennard-Jones) विभवों की एक सीमा है।
यूनिवर्सल स्केलिंग लॉ (Universal Scaling Law): विरल-से-सघन संक्रमण के दौरान क्रिटिकल पॉइंट से थर्मल दूरी और कन्फर्मेशनल कॉम्पैक्शन ( $\Delta R_g$ ) के बीच एक रैखिक संबंध की खोज।
गतिक तंत्र का स्पष्टीकरण (Kinetic Mechanism Elucidation): मजबूत अंतर-श्रृंखला अंतःक्रियाओं द्वारा संचालित क्षणिक, विस्कोइलास्टिक नेटवर्क के निर्माण के कारण होने वाले "काइनेटिक अरेस्ट" (kinetic arrest) प्लेटो की पहचान।

4. मुख्य परिणाम (Key Results)

A. ऊष्मप्रवैगिकी विनियमन (Thermodynamic Regulation)

फेज डायग्राम का पुनर्गठन:
- डेसोल्वेशन बैरियर ( $\epsilon_b$ ) को बढ़ाने से क्रिटिकल तापमान ( $T_c$ ) कम हो जाता है क्योंकि यह एक एंट्रोपिक दंड (कन्फर्मेशनल वॉल्यूम को सीमित करना) है।
- सॉल्वेंट-सेपरेटेड वेल ( $\epsilon_{ss}$ ) को गहरा करने से $T_c$ बढ़ जाता है क्योंकि यह एन्थैल्पी स्टेबिलाइजेशन (जल-मध्यस्थता ब्रिजिंग) को बढ़ावा देता है।
घनत्व सुधार: स्पष्ट डेसोल्वेशन, इम्प्लिसिट सॉल्वेंट मॉडलों में सामान्य कृत्रिम अति-संपीड़न (over-compaction) को रोकता है। अनुकूलित मॉडल मूल मॉडलों की तुलना में लगभग 5% कम सघन-चरण पैकिंग घनत्व का अनुमान लगाते हैं, जो प्रयोगात्मक अवलोकनों के साथ बेहतर तालमेल बिठाते हैं।
यूनिवर्सल कन्फर्मेशनल स्केलिंग: क्रिटिकल पॉइंट से तापमान अंतराल ( $T_c - T_{sim}$ ) और रेडियस ऑफ जिरेशन में परिवर्तन ( $\Delta R_g$ ) के बीच एक आश्चर्यजनक रैखिक संबंध पाया गया। यह सुझाव देता है कि फेज सेपरेशन के प्रति IDPs की कन्फर्मेशनल प्रतिक्रिया मौलिक रूप से क्रिटिकल पॉइंट से थर्मल दूरी द्वारा निर्धारित होती है, चाहे विशिष्ट डेसोल्वेशन पैरामीटर कुछ भी हों।

B. गतिक परिणाम (Dynamic Consequences)

श्रृंखला गतिशीलता (Chain Mobility):
- डेसोल्वेशन बैरियर ( $\epsilon_b$ ) ऊर्जा परिदृश्य (energy landscape) में "रफनेस" (roughness) पैदा करते हैं, जिससे परिपक्व कंडन्सेट्स के भीतर श्रृंखला प्रसार धीमा हो जाता है।
- सॉल्वेंट-सेपरेटेड कॉन्टैक्ट्स ( $\epsilon_{ss}$ ) घनी पैकिंग को बढ़ावा देते हैं, जिससे घर्षण बढ़ता है और गतिशीलता और कम हो जाती है।
कोर्सनिंग डायनेमिक्स (Coarsening Dynamics): अध्ययन ने फेज सेपरेशन में तीन अलग-अलग चरणों की पहचान की:
1. स्पिनोडल डीकंपोजिशन (Spinodal Decomposition): घनत्व उतार-चढ़ाव का तीव्र प्रारंभिक विकास।
2. काइनेटिक अरेस्ट (Kinetic Arrest - Plateau): एक विशिष्ट मध्यवर्ती शासन जहाँ डोमेन विकास रुक जाता है। यह एक क्षणिक, विस्कोइलास्टिक नेटवर्क के निर्माण के कारण होता है जो आकार परिवर्तन का विरोध करता है। मजबूत अंतर-श्रृंखला आकर्षण (उच्च $\epsilon_{ss}$ , निम्न $\epsilon_b$ ) इस अरेस्ट को लंबा कर देते हैं।
3. लेट-स्टेज कोर्सनिंग (Late-Stage Coarsening): डोमेन अंततः ब्राउनियन मोशन कोलेसेंस (Brownian motion coalescence) के माध्यम से फ्यूज होते हैं, जो पावर-लॉ स्केलिंग ( $\alpha \approx 0.26$ ) का पालन करते हैं।

C. मॉडल सत्यापन (Model Validation)

अनुकूलित डेसोल्वेशन मापदंडों ने IDPs के लिए $R_g$ भविष्यवाणियों की सटीकता में काफी सुधार किया (HPS के लिए त्रुटि $\langle \chi^2 \rangle$ ~1082 से घटाकर ~86 और CALVADOS2 के लिए ~9.5 करना)।
FUS लो-कॉम्प्लेक्सिटी डोमेन के लिए, डेसोल्वेशन-सुधारित मॉडल ने एक क्रिटिकल तापमान ( $T_c \approx 290$ K) की भविष्यवाणी की जो प्रयोगात्मक डेटा ( $\sim 25^\circ$ C) से मेल खाता है, जबकि मानक HPS मॉडल ने इसकी ओवरएस्टिमेशन ( $\sim 340$ K) की थी।

5. महत्व (Significance)

यह कार्य बायोमोलेक्यूलर सिमुलेशन में कम्प्यूटेशनल दक्षता और भौतिक यथार्थवाद के बीच के अंतर को पाटता है। डेसोल्वेशन ऊर्जा को स्पष्ट रूप से शामिल करके, लेखक एक ऐसा ढांचा प्रदान करते हैं जो:

व्यवस्थित त्रुटियों को ठीक करता है: इम्प्लिसिट-सॉल्वेंट CG मॉडलों में सामान्य ओवर-डेंस पैकिंग आर्टिफैक्ट को समाप्त करता है।
मैकेनिस्टिक अंतर्दृष्टि: यह प्रकट करता है कि जल पुनर्गठन केवल एक निष्क्रिय परिणाम नहीं है, बल्कि LLPS ऊष्मप्रवैगिकी और गतिकी का एक सक्रिय चालक है।
भविष्य कहने की शक्ति (Predictive Power): एक हस्तांतरणीय पैरामीटराइजेशन रणनीति प्रदान करता है जिसे विविध IDPs और संभावित रूप से बहु-घटक प्रणालियों (जैसे RNA-प्रोटीन कंडन्सेट्स) पर लागू किया जा सकता है।
भावी दिशाएँ: यह मॉडल अनुक्रम-विशिष्ट डेसोल्वेशन प्रभावों और न्यूरोडीजेनेरेटिव रोगों से जुड़े रोगजनक फेज ट्रांजिशन में पानी की भूमिका की जांच के लिए आधार तैयार करता है।

संक्षेप में, यह शोध पत्र स्थापित करता है कि डेसोर्वेशन एक महत्वपूर्ण, ट्यून करने योग्य पैरामीटर है जो बायोमोलेक्यूलर कंडन्सेट्स की संरचनात्मक निष्ठा और गतिक विकास दोनों को नियंत्रित करता है, जिससे अगली पीढ़ी के कोर्स-ग्रेन्ड फोर्स फील्ड्स में इसे स्पष्ट रूप से शामिल करना आवश्यक हो जाता है।