一个高吞吐量工作流程来分析序列构成关系,并探索无序类的疏水性模式

科学领域:

• 生物物理与材料科学 生物物理与材料科学
• 计算化学的计算化学
• 化学生物学 化学生物学

背景情况:

• 确定宏分子的初级序列如何决定其3D形状 (形态景观) 对于理解其功能至关重要.
• 对于本质上无序的宏分子,规范序列形态关系的原则尚未得到充分确立.

研究的目的:

• 建立一个高吞吐量工作流程,用于分析宏分子中的序列形态关系.
• 开发一种基于序列的可通用算法,用于预测基于序列的宏分子构造.
• 为了加速发现具有可调节的形状性质的新材料.

主要方法:

• 采用MALDI-MS/MS实现了色度测定和半自动测序协议.
• 采用了20mer型模拟剂的模型系统,其中含有不同的甘氨酸和N-丁甲甘氨酸残留物.
• 采用原子学模拟和离子移动性光谱学与液态染色学相结合用于验证.
• 开发了一种机器学习算法,集成序列变量和数据衍生的动机,用于构造预测.

主要成果:

• 确定了九种形状障碍的分类,并分离了122个独特的序列.
• 采用先进的生物物理技术,对选定的序列进行了验证的构造分布.
• 证明了机器学习算法在预测形状的有效性.

结论:

• 开发的工作流提供了一个强大的工具,用于理解大分子中的序列-构造关系.
• 这种方法提高了设计和发现具有特定形状控制的材料的能力.
• 这些发现有助于更广泛地了解内在无序的大分子及其功能.