Mechanische Aktivierung beschleunigt die Hydrolyse der Amidbindung drastisch, vergleichbar der Aktivität von Enzymen
Bibliographic record
Abstract
Abstract Peptidbindungen verbinden Aminosäuren in Proteinen und Polypeptiden. Sie zählen zu den Amidbindungen, die Proteinen und synthetischen Polyamiden ihre enorme Stärke verleihen. Obwohl Proteine und Polyamide in Natur und Technik mechanischen Kräften ausgesetzt sind, ist der Einfluss der Kraft auf die Stabilität der Amid‐ und Peptidbindung noch weitgehend unbekannt. Mittels Einzelmolekülkraftspektroskopie entdeckten wir, dass Kräfte von nur einigen hundert pN die Amidhydrolyse 109‐fach beschleunigen, was bisher nur von proteolytischen Enzymen bekannt war. Die drastische Beschleunigung bei geringer Kraft geht einer moderaten weiteren Beschleunigung bei Kräften im nN‐Bereich voraus. Quantenmechanochemische Ab‐initio‐Rechnungen erklären diese experimentellen Befunde sowohl mechanistisch als auch kinetisch. Unsere Ergebnisse zeigen, dass die Stabilität der Amidbindung entgegen bisherigen Annahmen stark kraftabhängig ist. Sie vermitteln ein grundlegendes Verständnis der Rolle mechanischer Aktivierung bei der Amidhydrolyse und weisen den Weg für mögliche Anwendungen, vom Recycling makromolekularer Reststoffe bis hin zum Design biotechnologisch hergestellter proteolytischer Enzyme.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".