MétaCan
Menu
Retour à la cohorte
Enregistrement W4226377540 · doi:10.1098/rsif.2022.0268

Structural mechanics of filamentous cyanobacteria

2022· article· en· W4226377540 sur OpenAlexfundno aff
Mixon K. Faluweki, Lucas Goehring

Notice bibliographique

RevueJournal of The Royal Society Interface · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensnon disponible
Organismes subventionnairesTrent UniversityNottingham Trent University
Mots-clésCyanobacteriaFlexural rigidityMicrofluidicsBendingStiffnessFlexural strengthMaterials scienceModulusBiological systemNanotechnologyComposite materialBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Filamentous cyanobacteria, forming long strands of connected cells, are one of the earliest and most successful forms of life on Earth. They exhibit self-organized behaviour, forming large-scale patterns in structures like biomats and stromatolites. The mechanical properties of these rigid structures have contributed to their biological success and are important to applications like algae-based biofuel production. For active polymers like these cyanobacteria, one of the most important mechanical properties is the bending modulus, or flexural rigidity. Here, we quantify the bending stiffness of three species of filamentous cyanobacteria, of order Oscillatoriales, using a microfluidic flow device where single filaments are deflected by fluid flow. This is complemented by measurements of Young’s modulus of the cell wall, via nanoindentation, and the cell wall thickness. We find that the stiffness of the cyanobacteria is well-captured by a simple model of a flexible rod, with most stress carried by a rigid outer wall. Finally, we connect these results to the curved shapes that these cyanobacteria naturally take while gliding, and quantify the forces generated internally to maintain this shape. The measurements can be used to model interactions between cyanobacteria, or with their environment, and how their collective behaviour emerges from such interactions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,458
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,007
Tête enseignante GPT0,227
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 tête enseignante, pas un consensus.

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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of The Royal Society InterfaceMême sujetMicro and Nano RoboticsTravaux en français237 207