MétaCan
Menu
Retour à la cohorte
Enregistrement W1997475196 · doi:10.1103/physreve.84.031922

Tuning the performance of an artificial protein motor

2011· article· en· W1997475196 sur OpenAlexafffund
Nathan J. Kuwada, Martin J. Zuckermann, Elizabeth H. C. Bromley, Richard B. Sessions, Paul M. G. Curmi, Nancy R. Forde, Derek N. Woolfson, Heiner Linke

Notice bibliographique

RevuePhysical Review E · 2011
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein Structure and Dynamics
Établissements canadiensSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of BristolMichael Smith Health Research BCNational Science Foundation
Mots-clésFlexibility (engineering)Computer scienceMolecular motorContext (archaeology)Set (abstract data type)Function (biology)Motion (physics)Linear motorControl theory (sociology)Control engineeringArtificial intelligenceMechanical engineeringMathematicsMaterials scienceEngineeringNanotechnologyBiology

Résumé

récupéré en direct d'OpenAlex

The Tumbleweed (TW) is a concept for an artificial, tri-pedal, protein-based motor designed to move unidirectionally along a linear track by a diffusive tumbling motion. Artificial motors offer the unique opportunity to explore how motor performance depends on design details in a way that is open to experimental investigation. Prior studies have shown that TW's ability to complete many successive steps can be critically dependent on the motor's diffusional step time. Here, we present a simulation study targeted at determining how to minimize the diffusional step time of the TW motor as a function of two particular design choices: nonspecific motor-track interactions and molecular flexibility. We determine an optimal nonspecific interaction strength and establish a set of criteria for optimal molecular flexibility as a function of the nonspecific interaction. We discuss our results in the context of similarities to biological, linear stepping diffusive molecular motors with the aim of identifying general engineering principles for protein motors.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,173

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,018
Tête enseignante GPT0,272
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical Review EMême sujetProtein Structure and DynamicsTravaux en français237 207