MétaCan
Menu
Retour à la cohorte
Enregistrement W2937941911 · doi:10.31635/ccschem.019.20180012

Harvesting Mechanical Work From Folding-Based Protein Engines: From Single-Molecule Mechanochemical Cycles to Macroscopic Devices

2019· article· en· W2937941911 sur OpenAlexafffund
Linglan Fu, Han Wang, Hongbin Li

Notice bibliographique

RevueCCS Chemistry · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueForce Microscopy Techniques and Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Foundation for Innovation
Mots-clésFolding (DSP implementation)Work (physics)Protein foldingNanotechnologyCoupling (piping)MechanochemistryMoleculeMaterials scienceMechanical energyActuatorProtein engineeringBiophysicsMolecular machineChemical physicsChemistryMechanical engineeringPhysicsEngineeringBiologyElectrical engineeringBiochemistryThermodynamics

Résumé

récupéré en direct d'OpenAlex

Mechanochemical coupling cycles underlie the work-generation mechanisms of biological systems and are realized by highly regulated conformational changes of the protein machineries. However, it has been challenging to utilize protein conformational changes to do mechanical work at the macroscopic level in biomaterials, and it remains elusive to construct macroscopic mechanochemical devices based on molecular-level mechanochemical coupling systems. Here, the authors demonstrate that protein folding can be utilized to realize protein’s mechanochemical cycles at both single-molecule and macroscopic levels. Our results demonstrate, for the first time, the successful harnessing of mechanical work generated by protein folding in a macroscopic protein hydrogel device, and the work generated by protein folding compares favorably with the energy output of molecular motors. Our work bridges a gap between single-molecule and macroscopic levels, and paves the way to utilizing proteins as building blocks to design protein-based artificial muscles and soft actuators.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,008
Tête enseignante GPT0,241
Écart entre enseignants0,233 · 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'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

Citations49
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCCS ChemistryMême sujetForce Microscopy Techniques and ApplicationsTravaux en français237 207