Mitochondrial Network Branching Enables Rapid Protein Spread with Slower Mitochondrial Dynamics
Notice bibliographique
Résumé
Mitochondrial network structure is controlled by the dynamical processes of fusion and fission, which merge and split mitochondrial tubes into structures including branches and loops. To investigate the impact of mitochondrial network dynamics and structure on the spread of proteins and other molecules through mitochondrial networks, we used stochastic simulations of two distinct quantitative models that each included mitochondrial fusion and fission, and particle diffusion via the network. Better-connected mitochondrial networks and networks with faster dynamics exhibit more rapid particle spread on the network, with little further improvement once a network has become well connected. As fragmented networks gradually become better connected, particle spread either steadily improves until the networks become well connected for slow-diffusing particles or plateaus for fast-diffusing particles. We compared model mitochondrial networks with both end-to-end and end-to-side fusion, which form branches, to nonbranching model networks that lack end-to-side fusion. To achieve the optimum (most rapid) spread that occurs on well-connected branching networks, nonbranching networks require much faster fusion and fission dynamics. Thus, the process of end-to-side fusion, which creates branches in mitochondrial networks, enables rapid spread of particles on the network with relatively slow fusion and fission dynamics. This modeling of protein spread on mitochondrial networks builds toward mechanistic understanding of how mitochondrial structure and dynamics regulate mitochondrial function. Published by the American Physical Society 2024
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 ».