365 articoli
La biofisica è il ponte affascinante che unisce i principi della fisica alla complessità della vita, esplorando come le forze e le energie modellino le cellule, le proteine e i sistemi biologici. Invece di affidarsi solo alla descrizione chimica, questo campo indaga i meccanismi meccanici ed elettrici che governano ogni processo vitale, rendendo tangibile ciò che altrimenti rimarrebbe invisibile.
Su Gist.Science, monitoriamo costantemente bioRxiv per portare queste scoperte emergenti direttamente a voi. Processiamo ogni nuovo preprint pubblicato in questa categoria, trasformando i dati grezzi in sintesi tecniche approfondite e spiegazioni in linguaggio semplice, garantendo che la ricerca all'avanguardia sia comprensibile a tutti. Di seguito trovate le ultime ricerche pubblicate in biofisica, pronte per essere esaminate.
Lo studio dimostra che le oscillazioni sarcomeriche ipertermiche (HSO) nei cardiomiociti non sono disordinate, ma sono caratterizzate da una topologia di fase vincolata tra i sarcomeri adiacenti, la quale determina l'ampiezza media delle HSO attraverso una relazione ciclica tra l'ampiezza locale e la sincronia.
Questo studio dimostra che la dimensione ottimale dell'immunità CRISPR nei batteri non è fissa, ma è dinamica e plasmata dall'interazione tra i meccanismi di acquisizione degli spacers (come l'acquisizione primata e l'espansione delle cassette) e le pressioni evolutive a livello di popolazione.
Il paper presenta AlphaSAXS, un framework di intelligenza artificiale che integra dati sperimentali di scattering a piccoli angoli dei raggi X (SAXS) nell'architettura di AlphaFold per ricostruire con precisione gli ensemble conformazionali dinamici delle proteine, superando i limiti dei modelli basati esclusivamente sulla sequenza.
Gli autori propongono un metodo leggero e basato sui dati per la segmentazione di traiettorie browniane multistato, che combina un filtraggio Gaussiano ottimizzato con un modello di mistura Gaussiana, offrendo un'alta accuratezza e un basso carico computazionale rispetto alle tecniche di deep learning o modelli di Markov nascosti.
Il paper presenta ProteinEBM, un modello basato sull'energia che utilizza i modelli di diffusione per superare le limitazioni attuali nella previsione strutturale, nel design e nella simulazione termodinamica delle proteine, ottenendo prestazioni competitive o superiori rispetto ai metodi esistenti.
Questo studio dimostra che, oltre alla sincronizzazione del tempo musicale al passo del corridore, anche il contenuto motivazionale dei testi contribuisce a ridurre l'accelerazione del tronco e a ritardare l'affaticamento durante la corsa.
Questo studio sviluppa e valida un modello quantitativo che dimostra come la probabilità di una corretta segregazione cromosomica dipenda dal rapporto tra il tasso di fallimento del checkpoint del fuso e il tasso di correzione degli errori, fornendo un criterio semplice per distinguere le perturbazioni che accorciano o allungano i tempi dell'anafase.
Lo studio dimostra che le fluttuazioni spazialmente correlate nel nucleoplasma, guidate da processi attivi e dall'organizzazione della cromatina, rallentano il moto relativo dei loci cromosomici, influenzando direttamente la frequenza e la durata degli incontri molecolari cruciali per la regolazione genica.
Questo studio presenta una teoria quantitativa che spiega il rovesciamento del segno del fototassismo nei mutanti "senza occhi" di *Chlamydomonas*, attribuendolo alla predominanza della risposta flagellare al segnale luminoso più intenso e rapido generato dall'effetto di lente del corpo cellulare rispetto al segnale diretto.
Gli autori presentano edENM, un modello a rete elastica raffinato tramite dinamica essenziale e integrato nel framework eBDIMS, che permette di simulare con precisione le dinamiche conformazionali di DNA, RNA e complessi proteina-acido nucleico, superando i limiti dei parametrizzazioni precedenti.