Cells solved the Gibbs paradox by learning to contain entropic forces.
Cells solved the Gibbs paradox by learning to contain entropic forces.
复制标题
DOI：
10.1038/s41598-023-43532-w
复制
发表时间：
2023-10-03
影响因子：
4.6
通讯作者：
Baker, Josh E.
中科院分区：
文献类型：
--
作者：
Baker, Josh E.
作为自然版本的机器学习，进化已经解决了许多极其复杂的问题，其中最引人注目的可能莫过于学习利用化学熵（无序）的增加来产生定向化学力（有序）。我在这里以肌肉为模型系统来描述生命从无序中创造秩序的基本机制。简而言之，进化调整了某些蛋白质的物理特性以包含化学熵的变化。碰巧，吉布斯假设这些“合理”属性是解决一个悖论所必需的，这个悖论一百多年来一直吸引着科学家和哲学家，并对其提出了挑战。
As Nature’s version of machine learning, evolution has solved many extraordinarily complex problems, none perhaps more remarkable than learning to harness an increase in chemical entropy (disorder) to generate directed chemical forces (order). Using muscle as a model system, here I describe the basic mechanism by which life creates order from disorder. In short, evolution tuned the physical properties of certain proteins to contain changes in chemical entropy. As it happens these are the “sensible” properties Gibbs postulated were needed to solve a paradox that has intrigued and challenged scientists and philosophers for over 100 years.
登录
查看更多内容
影响因子：
3.4
作者：
Baker, Josh E.
通讯作者：
Baker, Josh E.
影响因子：
3.4
作者：
Baker, JE;Brosseau, C;Warshaw, DM
通讯作者：
Warshaw, DM
影响因子：
64.8
作者：
FINER, JT;SIMMONS, RM;SPUDICH, JA
通讯作者：
SPUDICH, JA
DOI：
10.1073/pnas.95.6.2944
发表时间：
1998-03-17
影响因子：
11.1
作者：
Baker, JE;Brust-Mascher, I;Thomas, DD
通讯作者：
Thomas, DD
影响因子：
4.8
作者：
Warshaw, DM;Guilford, WH;Trybus, KM
通讯作者：
Trybus, KM