Also known as Kurt Wuethrich, K. Wüthrich, K Wüthrich, K. Wuethrich, K Wuethrich, Wüthrich, Wuethrich, Wüthrich K
schweizisk kemist
Kurt Wüthrich is a Swiss chemist born in 1938 who made important contributions to chemistry. His work has been recognized as significant enough to be notable to a general audience, though the specific details of his achievements would need additional context to explain fully.
AI-generated from the Wikipedia summary — may contain errors.
Top works
via Open Library + Wikidata
Discography
Kurt Wüthrich, född 4 oktober 1938 i Aarberg, Schweiz, nobelpristagare i kemi år 2002. Han tilldelades priset för "sin utveckling av kärnmagnetisk resonansspektroskopi för bestämning av biologiska makromolekylers tredimensionella struktur i lösning". Han tilldelades halva prissumman. Den andra halvan delades av amerikanen John Fenn och japanen Koichi Tanaka. Han fick doktorsgrad i oorganisk kemi 1964 vid Universität Basel. Han är professor i biofysik vid ETH (Eidgenössische Technische Hochschule), Zürich, samt gästprofessor vid The Scripps Research Institute, La Jolla, Kalifornien. Wüthrich har vidareutvecklat en gammal metod för kemiska molekylanalyser nämligen kärnmagnetisk resonansspektroskopi, NMR. Med NMR får man information om molekylernas tredimensionella struktur och rörlighet. Genom sitt arbete i början av 1980-talet har Kurt Wüthrich gjort det möjligt att använda NMR på proteiner. Han utvecklade dels en generell metod att systematiskt bestämma vissa fixpunkter i proteinmolekylen, dels en princip att bestämma avstånden mellan dessa. Med hjälp av avstånden kunde han räkna ut proteinets tredimensionella struktur. Fördelen med NMR är att man kan studera proteinerna i lösning, dvs. i en omgivning som liknar miljön i cellen.
Abstract from DBpedia / Wikipedia · CC BY-SA
via MusicBrainz · CC0
5 total works indexed
· 2001 · cited 38,342x
· 2006 · cited 27,920x
· 1989 · cited 17,951x
· 2004 · cited 10,238x
· 2012 · cited 9,223x
via Crossref · CC0
via Wikidata · CC0
via Wikidata sitelinks · CC0
Discovered by embedding cosine similarity (sentence-transformers MiniLM, 384-dim).