MétaCan
Menu
Retour à la cohorte
Enregistrement W2048734312 · doi:10.1152/advan.00107.2010

Molecular motors: how to make models that can be used to convey the concept of molecular ratchets and thermal capture

2011· article· en· W2048734312 sur OpenAlexaff
Lindsay DoHarris, Amanda Giesler, Brent Humber, Aravin N. Sukumar, Luke J. Janssen

Notice bibliographique

RevueAJP Advances in Physiology Education · 2011
Typearticle
Langueen
DomainePhysics and Astronomy
Thématiquestochastic dynamics and bifurcation
Établissements canadiensSt. Joseph’s Healthcare HamiltonMcMaster UniversitySt. Joseph's Hospital
Organismes subventionnairesnon disponible
Mots-clésMolecular motorDyneinMolecular machineMotor proteinRatchetKinesinATP hydrolysisComputer scienceNanotechnologyWork (physics)MicrotubulePhysicsBiochemical engineeringBiologyMaterials scienceEngineeringGeneticsEnzyme

Résumé

récupéré en direct d'OpenAlex

A wide variety of cellular processes use molecular motors, including processive motors that move along some form of track (e.g., myosin with actin, kinesin or dynein with tubulin) and polymerases that move along a template (e.g., DNA and RNA polymerases, ribosomes). In trying to understand how these molecular motors actually move, many apply their understanding of how man-made motors work: the latter use some form of energy to exert a force or torque on its load. However, quite a different mechanism has been proposed to possibly account for the movement of molecular motors. Rather than hydrolyzing ATP to push or pull their load, they might use their own thermal vibrational energy as well as that of their load and their environment to move the load, capturing those movements that occur along a desired vector or axis and resisting others; ATP hydrolysis is required to make backward movements impossible. This intriguing thermal capture or Brownian ratchet model is relatively more difficult to convey to students. In this report, we describe several teaching aids that are very easily constructed using widely available household materials to convey the concept of a molecular ratchet.

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 enseignants0,076
Score d'incertitude au seuil0,430

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 Opus0,014
Tête enseignante GPT0,257
Écart entre enseignants0,243 · 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

Citations3
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAJP Advances in Physiology EducationMême sujetstochastic dynamics and bifurcationTravaux en français237 207