Diffusion NMR and Rheology of a Model Polymer in Bacterial Cell Lysate Crowders
Notice bibliographique
Résumé
The intracellular milieu is crowded and heterogeneous, and this can have profound consequences for biomolecule motions and biochemical kinetics. Macromolecular crowding has been traditionally studied in artificial crowders like Ficoll and dextran or globular proteins such as bovine serum albumin. It is, however, not clear if the effects of artificial crowders on such phenomena are the same as the crowding that is experienced in a heterogeneous biological environment. Bacterial cells, for example, are composed of heterogeneous biomolecules with different sizes, shapes, and charges. Using crowders composed of one of three different pretreatments of bacterial cell lysate (unmanipulated, ultracentrifuged, and anion exchanged), we examine the effects of crowding on the diffusivity of a model polymer. We measure the translational diffusivity, via diffusion NMR, of the test polymer polyethylene glycol (PEG) in these bacterial cell lysates. We show that the small ( R g ∼ 5 nm) test polymer shows a modest decrease in self-diffusivity with increasing crowder concentration for all lysate treatments. The corresponding self-diffusivity decrease in the artificial Ficoll crowder is much more pronounced. Moreover, a comparison of the rheological response of biological and artificial crowders shows that while the artificial crowder Ficoll exhibits a Newtonian response even at high concentrations, the bacterial cell lysate is markedly non-Newtonian; it behaves like a shear-thinning fluid with a yield stress. While at any concentration the rheological properties are sensitive to both lysate pretreatment and batch-to-batch variations, the PEG diffusivity is nearly unaffected by the type of lysate pretreatment.
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 ».