Modeling Microtubule Counterion Distributions and Conductivity Using the Poisson-Boltzmann Equation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Microtubules are highly negatively charged proteins which have been shown to behave as bio-nanowires capable of conducting ionic currents. The electrical characteristics of microtubules are highly complicated and have been the subject of previous work; however, the impact of the ionic concentration of the buffer solution on microtubule electrical properties has often been overlooked. In this work we use the non-linear Poisson Boltzmann equation, modified to account for a variable permittivity and a Stern Layer, to calculate counterion concentration profiles as a function of the ionic concentration of the buffer. We find that for low-concentration buffers ([KCl] from 10 μ M to 10 mM ) the counterion concentration is largely independent of the buffer's ionic concentration, but for physiological-concentration buffers ([KCl] from 100 to 500 mM ) the counterion concentration varies dramatically with changes in the buffer's ionic concentration. We then calculate the conductivity of microtubule-counterion complexes, which are found to be more conductive than the buffer when the buffer's ionic concentrations is less than ≈100 mM and less conductive otherwise. These results demonstrate the importance of accounting for the ionic concentration of the buffer when analyzing microtubule electrical properties both under laboratory and physiological conditions. We conclude by calculating the basic electrical parameters of microtubules over a range of ionic buffer concentrations applicable to nanodevice and medical applications.
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.
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 découle