使用集成的小角度中子散射和计算,对一个内在无序的蛋白质复合体进行结构性表征

科学领域:

• 生物物理学的生物物理.
• 结构生物学 结构生物学
• 计算生物学 计算生物学

背景情况:

• 鉴定固有无序蛋白质 (IDP) 和它们的区域 (IDR) 的特征对于理解蛋白质功能至关重要.
• 具有选择性标记的小角度中子散射 (SANS) 是研究动态蛋白质结构的强大技术.
• 实验SANS数据通常需要先进的方法来解开复杂的结构信息.

研究的目的:

• 开发和演示一种集成的计算和实验方法,用于阐明由两个IDR组成的复合体的结构组合.
• 在SANS实验中利用选择性标签,以获得对蛋白质结构组合的额外见解.
• 验证分子动力学 (MD) 力场,并评估结构分析中深度学习 (DL) 算法的实用性.

主要方法:

• 采用完全对比度和对比度匹配的SANS实验,并结合了残留特定的标签.
• 使用四种不同的分子力学力场进行了微秒全原子分子动力学 (MD) 模拟.
• 采用基于自动编码器的深度学习 (DL) 算法来分析和整合来自SANS和MD模拟的数据.

主要成果:

• 在SANS实验中选择性化提供了有价值的信息来表征结构组合.
• a99SB-disp和CHARMM36m力场与实验SANS和NMR数据显示出最好的一致性.
• DL算法有效地区分了NMR和MD结构,并呈现了一个比单力场MD组合优越的组合.

结论:

• 综合方法提供了一种新且有效的策略,用于描述IDP的结构组合.
• 该研究在研究的IDR复合体内确定了三个不同的形状集群.
• 这些发现突出了先进的实验技术,计算模拟和结构生物学机器学习之间的协同作用.