MétaCan
Menu
Retour à la cohorte
Enregistrement W4407569556 · doi:10.1146/annurev-physchem-082423-030023

Flow of Energy and Information in Molecular Machines

2025· review· en· W4407569556 sur OpenAlexaff
Matthew Leighton, David A. Sivak

Notice bibliographique

RevueAnnual Review of Physical Chemistry · 2025
Typereview
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Thermodynamics and Statistical Mechanics
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésMolecular machineNon-equilibrium thermodynamicsEnergy flowEnergy (signal processing)Statistical physicsComputer scienceInferenceFocus (optics)Information theoryBiological systemNanotechnologyPhysicsArtificial intelligenceMaterials scienceThermodynamicsBiologyMathematics

Résumé

récupéré en direct d'OpenAlex

Molecular machines transduce free energy between different forms throughout all living organisms. Unlike their macroscopic counterparts, molecular machines are characterized by stochastic fluctuations, overdamped dynamics, and soft components, and operate far from thermodynamic equilibrium. In addition, information is a relevant free energy resource for molecular machines, leading to new modes of operation for nanoscale engines. Toward the objective of engineering synthetic nanomachines, an important goal is to understand how molecular machines transduce free energy to perform their functions in biological systems. In this review, we discuss the nonequilibrium thermodynamics of free energy transduction within molecular machines, with a focus on quantifying energy and information flows between their components. We review results from theory, modeling, and inference from experiments that shed light on the internal thermodynamics of molecular machines, and ultimately explore what we can learn from considering these 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 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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,003
Tête enseignante GPT0,281
Écart entre enseignants0,278 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Physical ChemistryMême sujetAdvanced Thermodynamics and Statistical MechanicsTravaux en français237 207