MétaCan
Menu
Retour à la cohorte
Enregistrement W2527394351 · doi:10.1101/078030

Composition fluctuations in lipid bilayers

2016· preprint· en· W2527394351 sur OpenAlexafffund
Svetlana Baoukina, Dmitri Rozmanov, D. Peter Tieleman

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2016
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueLipid Membrane Structure and Behavior
Établissements canadiensUniversity of Calgary
Organismes subventionnairesAlberta InnovatesAlberta Innovates - Technology FuturesWestern Canada Research GridCompute Canada
Mots-clésLipid bilayerChemical physicsLipid bilayer phase behaviorBilayerTernary operationMolecular dynamicsMembraneMiscibilityPhase (matter)Spinodal decompositionPhase transitionMixing (physics)Length scaleChemistryBiological membraneMaterials scienceThermodynamicsOrganic chemistryComputational chemistryPolymer

Résumé

récupéré en direct d'OpenAlex

Abstract Lipid bilayers constitute the basis of biological membranes. Understanding lipid mixing and phase behavior can provide important insights into membrane lateral organization (the “raft” hypothesis). Here we investigate model lipid bilayers below and above their miscibility transition temperatures. Molecular dynamics simulations with the MARTINI coarse-grained force field are employed to model bilayers on a length scale approaching 100 nm and a time scale of tens of microseconds. Using a binary mixture of saturated and unsaturated lipids, and a ternary mixture of a saturated lipid, an unsaturated lipid and cholesterol we reproduce the coexistence of liquid-crystalline and gel, as well as liquid-ordered and liquid-disordered phases. By raising the temperature or adding hybrid lipids (with a saturated and an unsaturated chain), we induce a gradual transition from a two-phase to a one-phase state. We characterize the evolution of bilayer properties along this transition. Domains of coexisting phases change to dynamic heterogeneity with local ordering and compositional de-mixing. We analyze the structural and dynamic properties of domains, sizes and lifetimes of composition fluctuations, and calculate the in-plane structure factors.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,229
Écart entre enseignants0,219 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetLipid Membrane Structure and BehaviorTravaux en français237 207