MétaCan
Menu
Retour à la cohorte
Enregistrement W2068080523 · doi:10.1039/c5sm00284b

Cluster coarsening on drops exhibits strong and sudden size-selectivity

2015· article· en· W2068080523 sur OpenAlexafffund
Aidan I. Brown, Andrew D. Rutenberg

Notice bibliographique

RevueSoft Matter · 2015
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueTheoretical and Computational Physics
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaKillam Trusts
Mots-clésAutophagyCluster (spacecraft)ScalingCluster sizeDrop (telecommunication)Chemical physicsBiophysicsSelectivityBiological systemReceptorMembraneChemistryNanotechnologyMaterials scienceBiologyMolecular dynamicsBiochemistryComputational chemistryComputer scienceMathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

Autophagy, an important process for degradation of cellular components, requires the targeting of autophagy receptor proteins to potential substrates. Receptor proteins have been observed to form clusters on membranes. To understand how receptor clusters might affect autophagy selectivity, we model cluster coarsening on a polydisperse collection of spherical drop-like substrates. Our model receptor corresponds to NBR1, which supports peroxisome autophagy. We recover dynamical scaling of cluster sizes, but find that changing the drop size distribution changes the cluster-size scaling distribution. The magnitude of this effect is similar to how changing the spatial-dimension affects scaling in bulk systems. We also observe a sudden onset of size-selection of the remaining drops with clusters, due to clusters evaporating from smaller drops and growing on larger drops. This coarsening-driven size selection provides a physical mechanism for autophagy selectivity, and may explain reports of size selection during peroxisome degradation.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,275
Score d'incertitude au seuil0,526

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 Opus0,010
Tête enseignante GPT0,234
Écart entre enseignants0,224 · 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'étudeThéorique ou conceptuel
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

Citations4
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSoft MatterMême sujetTheoretical and Computational PhysicsTravaux en français237 207