Zobrazeno 1 - 10
of 188
pro vyhledávání: '"Schmit, Jeremy"'
Autor:
Akram, Sk Ashif, Brown, Tyler, Whitelam, Stephen, Meisl, Georg, Knowles, Tuomas P. J., Schmit, Jeremy D.
We present a model to describe the concentration-dependent growth of protein filaments. Our model contains two states, a low entropy/high affinity ordered state and a high entropy/low affinity disordered state. Consistent with experiments, our model
Externí odkaz:
http://arxiv.org/abs/2408.07257
Autor:
Whitelam, Stephen, Schmit, Jeremy D.
We use neuroevolutionary learning to identify time-dependent protocols for low-dissipation self-assembly in a model of generic active particles with interactions. When the time allotted for assembly is sufficiently long, low-dissipation protocols use
Externí odkaz:
http://arxiv.org/abs/2206.04813
Autor:
Sabri, Nafiseh, Cuneo, Matthew J., Marzahn, Melissa R., Lee, Jihun, Bouchard, Jill J., Güllülü, Ömer, Vaithiyalingam, Sivaraja, Borgia, Madeleine B., Schmit, Jeremy, Mittag, Tanja
Publikováno v:
In Journal of Biological Chemistry December 2023 299(12)
Electrostatic interactions provide a convenient way to modulate interactions between nanoparticles, colloids, and biomolecules because they can be adjusted by the solution pH or salt concentration. While the presence of salt provides an easy method t
Externí odkaz:
http://arxiv.org/abs/1902.02846
Autor:
Horvath, Istvan, Welte, Hannah, Schmit, Jeremy D., Kovermann, Michael, Wittung-Stafshede, Pernilla
Publikováno v:
In Biophysical Journal 20 June 2023 122(12):2556-2563
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Proceedings of the National Academy of Sciences of the United States of America, 2020 May 01. 117(19), 10322-10328.
Externí odkaz:
https://www.jstor.org/stable/26930085
Publikováno v:
J. Chem. Phys. 144, 064903 (2016)
Self-poisoning is a kinetic trap that can impair or prevent crystal growth in a wide variety of physical settings. Here we use dynamic mean-field theory and computer simulation to argue that poisoning is ubiquitous because its emergence requires only
Externí odkaz:
http://arxiv.org/abs/1510.05619