iBio-GATS-一种半自动化工作流程,用于昆虫气味受体的结构建模

科学领域:

• 结构生物学是结构生物学.
• 计算化学是一种计算化学.
• 昆虫化学生态学 昆虫化学生态学

背景情况:

• 昆虫使用七个跨膜 (7TM) 气味受体 (iOR) 来检测环境线索,这对于害虫控制策略至关重要.
• 开发用于侵入性害虫的新型化学吸引剂需要了解iOR的3D结构,这些结构在实验上很难确定.
• 现有的基于模板的建模依赖于序列标识,这对于不同的iOR家族来说是不够的.

研究的目的:

• 开发一种新的半自动化工作流程 (iBio-GATS),用于生成昆虫气味受体 (iOR) 的高质量的3D模型.
• 为设计针对特定的iOR结构量身定制的新型气味剂提供一种方法,以有效地生物控制害虫.
• 克服实验结构确定和基于iORs的序列身份建模的局限性.

主要方法:

• 针对iORs的Bio-GATS模板选择方法的调整,重点关注疏水性对应.
• 使用Python和shell脚本用于iOR结构建模的半自动化工作流程的开发.
• 使用实验iOR结构验证iBio-GATS工作流程,并与AlphaFold2模型进行比较.

主要成果:

• 该iBio-GATS工作流成功地从验证的模板中为iORs生成了高质量的3D模型.
• 为果iORs (OR59b和Orco) 生成的模型显示了功能性连接体结合预测,与实验性突变发生的数据一致.
• 对于测试的果iORs,iBio-GATS模型与实验结果的一致性比AlphaFold2模型更好.

结论:

• iBio-GATS提供了一种可靠且易于使用的方法来建模昆虫的气味受体,从而推动了针对性害虫防治剂的设计.
• 这种计算方法通过准确预测iOR结构来促进新型气味剂的开发.
• 该研究强调了iBio-GATS在昆虫化学生态学和害虫管理研究中的实用性.