跳到正文
PNAS· Mina Cullen; Carmen Biancaniello; Katerina Taškova; Vedran Miletić; Alfonso De Simone; Davide Mercadante·· 来源仅提供日期AI 评分56

在粗粒化模型中以化学位移约束增强无序蛋白集合模拟

Enhancing simulations of disordered protein ensembles with chemical shift restraints in coarse-grained models

AI 导读

该研究提出一种不依赖二面角参数化的通用框架,用人工神经网络从仅含 Cα 的蛋白质构象预测主链化学位移。该框架为每个氨基酸一个珠子的粗粒化力场加入残基级二级结构采样能力,并在大量孤立或凝聚态 IDP 上重现局部和全局排列,生成受实验约束的构象集合。摘要指出,这有助于研究 IDP 的二级结构倾向、凝聚体成核以及短线性基序的构象偏好。

已发表论文 · journal · 10.1073/pnas.2605643123

本站摘要基于收录版本 v1(2026-10-26),原始摘要与 AI 导读固定保留。

IF(5) 10.6 · 2025 · 期刊参考指标

摘要 · AI 翻译

人类蛋白质组中有超过三分之一在结构上是无序的,固有无序蛋白(IDP)尽管其高度动态的构象系综难以被传统结构生物学技术所捕捉,却是复杂细胞功能的关键贡献者。因此,粗粒化(CG)模拟方法成为精修 IDP 系综的黄金标准。然而,当这些方法依赖弹性网络模型或刚体来采样二级结构时,其在残基层面分辨率上依据实验数据对瞬时二级结构进行建模和采样的能力本质上是有限的。尽管实验证据表明瞬时结构倾向性是 IDP 功能的一个根本特征,这一根本局限依然存在。通过一个能够从仅含 C _α 的蛋白质构象预测主链化学位移的人工神经网络,我们提出了一个不依赖二面角参数化的通用框架,使每氨基酸一个珠子的粗粒化力场具备采样二级结构功能元件的能力。当应用于大量单独或凝聚体中的 IDP 时,我们的方法正确地再现了局部和整体排布,产生了由实验信息支撑的系综,可用于阐明结构介导的功能并解决力场的局限性。这可以富有成效地探索 IDP 中系综与功能之间的关系,使得能够研究诸如凝聚体中的二级结构倾向性与成核、跨越无序系综的构象选择性结合基序,以及序列特异性短线性基序的构象偏好等现象。

来源:PNAS · doi.org