利用AlphaFold2和残留双极合物用于侧链甲基组分配:S. cerevisiae Xrs2的案例研究
Ajeak Vigneswaran1, Tanner A Buschmann2, Michael P Latham1
1Department of Biochemistry, Molecular Biology, and Biophysics, University of Minnesota, Minneapolis, MN, United States.
这项研究使用AlphaFold2模型和NMR数据来分配复杂生物分子中的甲基组共振. 精细的模型提高了结构准确性,使得更好的分配和未来研究的代方法成为可能.
科学领域:
- 生物物理学的生物物理.
- 结构生物学 结构生物学
- 核磁共振 (NMR) 光谱学 核磁共振 (NMR) 光谱学
背景情况:
- 侧链甲基组NMR光谱对于研究宏分子结构,动力学和功能至关重要.
- 准确的甲基团共振分配是必不可少的,但具有挑战性,特别是对于大型生物分子复合体.
- 现有的分配方法存在与分子大小和高分辨率结构的可用性相关的局限性.
研究的目的:
- 开发和验证一个工作流程,使用基于机器学习的结构模型和NMR数据来分配侧链甲基团共振.
- 调查AlphaFold2结构模型对于手动,基于距离的甲基组分配的实用性.
- 用实验性NMR数据完善结构模型,在缺乏实验结构的系统中改进共振赋值.
主要方法:
- 使用AlphaFold2和ColabFold生成S. cerevisiae Xrs2折叠域的结构模型.
- 采用手动,基于距离的赋值策略,用于侧链甲基团共振.
- 集成的甲基残留双极合器 (RDC) 用于过和改进结构模型.
- 开发了一种代方法,将NMR数据和结构预测结合起来.
主要成果:
- AlphaFold2模型为甲基组共振分配提供了最初的可行性.
- 使用甲基RDC的结构模型的改进显著改善了与实验数据的一致性.
- 创建了500多个 ColabFold 模型以识别高级结构表示.
- 通过精细的结构模型实现了额外的甲基组分配.
结论:
- 结合机器学习结构预测和实验性NMR数据的集成工作流是有效的甲基组分配.
- 精细的结构模型对于复杂的生物分子系统中准确的共振分配至关重要.
- 代方法提供了一种途径,可以同时提高结构预测和共振赋值的准确性.
- 这种方法提高了对缺乏高分辨率实验结构的系统的甲基组分配能力.
更多相关视频
08:53Biochemical and Structural Characterization of the Carbohydrate Transport Substrate-binding-protein SP0092
Published on: October 2, 2017
09:15Combining X-Ray Crystallography with Small Angle X-Ray Scattering to Model Unstructured Regions of Nsa1 from S. Cerevisiae
Published on: January 10, 2018
相关概念视频
Cooperative Allosteric Transitions
Cooperative Allosteric Transitions
Cooperative Allosteric Transitions
C–C Bond Cleavage: Retro-Aldol Reaction
In the first step, as depicted in Figure 1, the base deprotonates the β-hydroxy ketone at the hydroxyl group to form an alkoxide ion.
Chemical Shift: Internal References and Solvent Effects
The internal reference compound generally used in NMR spectroscopy is tetramethylsilane (TMS). TMS is preferred because it is chemically inert, soluble in NMR solvents, and easily removable. Also, the highly shielded methyl protons in TMS yield an intense...
