MétaCan
Menu
Retour à la cohorte
Enregistrement W4392110513 · doi:10.1038/s41467-024-45570-y

Motility of an autonomous protein-based artificial motor that operates via a burnt-bridge principle

2024· article· en· W4392110513 sur OpenAlexafffund
Chapin S. Korosec, Ivan N. Unksov, Pradheebha Surendiran, Roman Lyttleton, Paul M. G. Curmi, Christopher N. Angstmann, Ralf Eichhorn, Heiner Linke, Nancy R. Forde

Notice bibliographique

RevueNature Communications · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueNanopore and Nanochannel Transport Studies
Établissements canadiensYork UniversitySimon Fraser University
Organismes subventionnairesHorizon 2020 Framework ProgrammeNordForskGovernment of CanadaVetenskapsrådetVolkswagen FoundationNatural Sciences and Engineering Research Council of CanadaEuropean Commission
Mots-clésMolecular motorMotor proteinNanotechnologyBridge (graph theory)Molecular machineComputer scienceBiologyCell biologyMaterials scienceAnatomy

Résumé

récupéré en direct d'OpenAlex

Inspired by biology, great progress has been made in creating artificial molecular motors. However, the dream of harnessing proteins - the building blocks selected by nature - to design autonomous motors has so far remained elusive. Here we report the synthesis and characterization of the Lawnmower, an autonomous, protein-based artificial molecular motor comprised of a spherical hub decorated with proteases. Its "burnt-bridge" motion is directed by cleavage of a peptide lawn, promoting motion towards unvisited substrate. We find that Lawnmowers exhibit directional motion with average speeds of up to 80 nm/s, comparable to biological motors. By selectively patterning the peptide lawn on microfabricated tracks, we furthermore show that the Lawnmower is capable of track-guided motion. Our work opens an avenue towards nanotechnology applications of artificial protein motors.

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 enseignants0,000
Score d'incertitude au seuil0,002

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

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 Opus0,030
Tête enseignante GPT0,289
Écart entre enseignants0,259 · 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

Citations22
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetNanopore and Nanochannel Transport StudiesTravaux en français237 207