MétaCan
Menu
Back to cohort

Synthèse de l'ARN dans des conditions prébiotiques : le défi de la formation des liaisons phosphoesters

2022· dissertation· W7151014184 on OpenAlexaboutno aff
Matthias Bova Saint-André

Bibliographic record

Venuenot available
Typedissertation
Language
FieldPhysics and Astronomy
TopicOrigins and Evolution of Life
Canadian institutionsnot available
Fundersnot available
KeywordsPhosphodiester bondMucosal melanomaNetwork routing

Abstract

fetched live from OpenAlex

La caractérisation de la formation de la liaison phosphodiester dans des conditions abiotiques est un enjeu majeur dans l’étude des origines de la vie. Cette liaison est présente dans de nombreux composés biologiques primordiaux pour le vivant [1], en particulier entant que liaison reliant les nucléotides de l’ARN et de l’ADN. Ainsi, en plus d’être apparue très tôt dans le processus évolutif, la liaison phosphodiester est au centre de l’hypothèse du monde à ARN [2], considéré comme l’un des scénarios les plus crédibles pour l’apparition de la vie sur Terre.Nous nous sommes intéressés à la réaction de phosphorylation entre un phosphate -mono ou dianionique et un méthanol. Malgré un nombre important d’études, les mécanismes de celle-ci n’ont toujours pas été clairement identifiés. Les barrières d’énergies étudiées sont élevées (entre 30-50kcal/mol) [3] et trop proches en énergie [4], rendant l’identification du chemin réactionnel difficilement accessible expérimentalement. Les études théoriques sont ainsi une approche complémentaire voire nécessaire pour une meilleure compréhension de la réaction et l’identification des étapes clefs à l’origine de ces hautes barrières, peu compatibles avec un scénario abiotique.Nous avons choisi d’utiliser la dynamique moléculaire ab initio [5]. Au contraire des calculs d’énergie au niveau quantique faits en phase gaz ou en solvant implicite, cette approche permet d’étudier les interactions avec le solvant, jusqu’ici négligées dans la littérature, et l’accès direct au paysage d’énergie libre (et non d’énergie), seul probant à température finie. L’inconvénient majeur reste un temps de calcul très conséquent; par conséquent, la description quantique est assurée par la Density Functional Tight Binding (DFTB) [6], une méthode semi-empirique qui rend les simulations plus accessibles en coût de calcul. Par ailleurs, l’étude des barrières d’énergie a nécessité l’emploi de méthodes d’échantillonnage avancé que sont la Métadynamique [7] et l’Umbrella Sampling [8]. Lors de cette thèse, nous avons étudié en détail et démontré l’importance des transferts de proton au cours de cette réaction. Même si les barrières expérimentales ne sont que qualitativement reproduites par notre approche, cette étude suggère que le mécanisme le plus favorable serait de type SN1 avec présence d’un intermédiaire métaphosphate.[1] Kitadai, N. Maruyama, S. Origins of building blocks of life: A Review. Geoscience Frontiers 9, 1117–1153. (2018). [2] Orgel, L. E. Prebiotic chemistry and the origin of the RNA World. Critical Reviews in Biochemistry and Molecular Biology 39, 99-123. (2004).[3] Hassan, H. A. et al. Effect of Protonation on the Mechanism of Phosphate Monoester Hydrolysis and Comparison with the Hydrolysis of Nucleoside Triphosphate in Biomolecular Motors. Biophysical Chemistry 230, 27 35. (2017).[4] Petrović, D., Szeler, K. & Kamerlin, S. C. L. Challenges and advances in the computational modeling of biological phosphate hydrolysis. Chemical Communications 54, 3077-3089.(2018).[5] Tuckerman, M. E. Ab initio molecular dynamics : basic concepts, current trends and novel applications. Journal of Physics : Condensed Matter 14, 1297-1355. (2002).[6] Gruden, M. et al. Benchmarking density functional tight binding models for barrier heights and reaction energetics of organic molecules. Journal of Computational Chemistry38, 2171-2185. (2017).[7] Barducci, A., Bonomi, M. S & S Parrinello, M. Metadynamics. Wiley Interdisciplinary Reviews : Computational Molecular Science 1, 826-843. (2011).[8] Torrie, G. M. & Valleau, J. Nonphysical sampling distributions in Monte Carlo free energy estimation : Umbrella Sampling. Journal of Computational Chemistry 23, 187.(1977).

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.590
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0030.001
Scholarly communication0.0010.001
Open science0.0000.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0040.000

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.

Opus teacher head0.010
GPT teacher head0.302
Teacher spread0.292 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designTheoretical or conceptual
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same topicOrigins and Evolution of LifeFrench-language works237,207