fbpx Struttura e complessità, dai biopolimeri al citoscheletro cellulare | Science in the net

Struttura e complessità, dai biopolimeri al citoscheletro cellulare

Primary tabs

Jeff Urbach, professore alla Georgetown University e coordinatore del Dynamics Imaging Laboratory in Regents Hall. Photo di Kuna Malik Hamad.

Tempo di lettura: 1 min

Cosa succede quando un oggetto viene sottoposto a una forza, per esempio una compressione o una spinta? Che eventi si verificano nella sua struttura interna? In che modo materiali diversi si piegano, deformano, spezzano? Domande, queste, al centro dell’attenzione di chi studia fisica dei materiali. Per rispondere alle quali lo studio della complessità è di grande aiuto.

Ne sa qualcosa Jeff Urbach, professore alla Georgetown University e coordinatore del Dynamics Imaging Laboratory, nel quale, insieme ai suoi collaboratori, combina fisica statistica, simulazioni al computer e avanzate tecniche di microscopia per studiare diversi tipi di dinamiche complesse.

Jeff Urbach (Georgetown University) – Intervista realizzata durante il corso Advances in Complex Systems, organizzato a Como dal Centro per la Complessità e i Biosistemi dell’Università di Milano.

Non solo nell’ambito della cosiddetta materia soffice – biopolimeri, idrogel, eccetera… – ma anche in altri campi nei quali la fisica interagisce con la biologia. Anche le cellule, infatti, hanno una loro architettura estremamente complessa, che interagisce sia con i diversi compartimenti interni sia con l’ambiente esterno. Che si tratti di cellule che migrano in un gel o del citoscheletro di un parassita unicellulare che si attacca alle pareti cellulari, i modelli utilizzati da Urbach e dai suoi colleghi consentono di studiare un’ampia serie di temi fondamentali di biofisica e biologia cellulare.


Scienza in rete è un giornale senza pubblicità e aperto a tutti per garantire l’indipendenza dell’informazione e il diritto universale alla cittadinanza scientifica. Contribuisci a dar voce alla ricerca sostenendo Scienza in rete. In questo modo, potrai entrare a far parte della nostra comunità e condividere il nostro percorso. Clicca sul pulsante e scegli liberamente quanto donare! Anche una piccola somma è importante. Se vuoi fare una donazione ricorrente, ci consenti di programmare meglio il nostro lavoro e resti comunque libero di interromperla quando credi.


prossimo articolo

Why have neural networks won the Nobel Prizes in Physics and Chemistry?

This year, Artificial Intelligence played a leading role in the Nobel Prizes for Physics and Chemistry. More specifically, it would be better to say machine learning and neural networks, thanks to whose development we now have systems ranging from image recognition to generative AI like Chat-GPT. In this article, Chiara Sabelli tells the story of the research that led physicist and biologist John J. Hopfield and computer scientist and neuroscientist Geoffrey Hinton to lay the foundations of current machine learning.

Image modified from the article "Biohybrid and Bioinspired Magnetic Microswimmers" https://onlinelibrary.wiley.com/doi/epdf/10.1002/smll.201704374

The 2024 Nobel Prize in Physics was awarded to John J. Hopfield, an American physicist and biologist from Princeton University, and to Geoffrey Hinton, a British computer scientist and neuroscientist from the University of Toronto, for utilizing tools from statistical physics in the development of methods underlying today's powerful machine learning technologies.