Generalized Langevin Methods for Calculating Transmembrane Diffusivity
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide The membrane permeability coefficient of a solute can be estimated using the solubility–diffusion model. This model requires the diffusivity profile ( D ( z )) of the solute as it moves along the transmembrane axis, z . The generalized Langevin equation provides one strategy for calculating position-dependent diffusivity from straightforward molecular dynamics simulations where the solute is restrained to a series of positions on the z -coordinate by a harmonic potential. The diffusivity of the solute is calculated from its correlation functions, which are related to the friction experienced by the solute. Roux and Hummer have derived expressions for the diffusion coefficient from the velocity autocorrelation function (VACF) and position autocorrelation function (PACF), respectively. In this work, these methods are validated by calculating the diffusivity of H 2 O and O 2 in homogeneous liquids. These methods are then used to calculate transmembrane diffusivity profiles. The VACF method is less sensitive to thermostat forces and has incrementally lower errors but is more sensitive to the spring constant of the harmonic restraint. For the permeation of a solute through a lipid bilayer, the diffusion coefficients calculated using these methods provided significantly different results. Long-lived correlations of the restrained solute due to inhomogeneities in the bilayer can result in spuriously low diffusivity when using the PACF method. The method based on the VACF does not have this issue and predicts higher rates of diffusion inside the bilayer.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».