Substrate stiffness tunes the dynamics of polyvalent rolling motors
Notice bibliographique
Résumé
Nature has evolved many mechanisms for achieving directed motion on the subcellular level. The burnt-bridges ratchet (BBR) is one mechanism used to achieve superdiffusive molecular motion over long distances through the successive cleavage of surface-bound energy-rich substrate sites. This mechanism has been associated with both nanoscale and microscale movement, with the latter accomplished through polyvalent interactions between a large hub (e.g. influenza virus) and substrate (e.g. cell surface receptors). Experimental successes in achieving superdiffusive motion by synthetic polyvalent BBRs have raised questions about the dynamics of their motility, including whether rolling or translation is better able to direct motion of microscale spherical hubs. Here we simulate the three-dimensional dynamics of a polyvalent sphere moving on and cleaving an elastic substrate. We find that substrate stiffness plays an important role in controlling both the motor's mode of motility and its directional persistence. As we tune lateral substrate stiffness from soft to stiff we find there exists an intermediate value that optimizes rolling behaviour. We also find that there is an optimal substrate stiffness for maximizing persistence length, while stiffness does not influence as strongly the superdiffusive dynamics of the particle. Lastly, we examine the effect of substrate density, and show that softer landscapes are better able to buffer against decreases in substrate occupancy, with the spherical motor maintaining superdiffusive motion more on softer landscapes than on stiff landscapes as occupancy drops. Our results highlight the importance of surface in controlling the motion of polyvalent BBRs.
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 | 0,000 | 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 ».