MétaCan
Menu
Retour à la cohorte
Enregistrement W2050454782 · doi:10.2174/092986611794653950

Can Enzyme Engineering Benefit from the Modulation of Protein Motions? Lessons Learned from NMR Relaxation Dispersion Experiments

2011· review· en· W2050454782 sur OpenAlex
Nicolas Doucet

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueProtein and Peptide Letters · 2011
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein Structure and Dynamics
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésProtein engineeringRational designSaturated mutagenesisDirected evolutionMutagenesisProtein designDihydrofolate reductaseProtein dynamicsFunction (biology)Nuclear magnetic resonance spectroscopyChemistryProtein structureEnzymeComputational biologyNanotechnologyBiochemistryMaterials scienceBiologyStereochemistry

Résumé

récupéré en direct d'OpenAlex

Despite impressive progress in protein engineering and design, our ability to create new and efficient enzyme activities remains a laborious and time-consuming endeavor. In the past few years, intricate combinations of rational mutagenesis, directed evolution and computational methods have paved the way to exciting engineering examples and are now offering a new perspective on the structural requirements of enzyme activity. However, these structure-function analyses are usually guided by the time-averaged static models offered by enzyme crystal structures, which often fail to describe the functionally relevant ‘invisible states’ adopted by proteins in space and time. To alleviate such limitations, NMR relaxation dispersion experiments coupled to mutagenesis studies have recently been applied to the study of enzyme catalysis, effectively complementing ‘structure-function’ analyses with ‘flexibility-function’ investigation. In addition to offering quantitative, site-specific information to help characterize residue motion, these NMR methods are now being applied to enzyme engineering purposes, providing a powerful tool to help characterize the effects of controlling long-range networks of flexible residues affecting enzyme function. Recent advancements in this emerging field are presented here, with particular attention to mutagenesis reports highlighting the relevance of NMR relaxation dispersion tools in enzyme engineering. Keywords: CPMG, enzyme catalysis, NMR spectroscopy, protein engineering, relaxation dispersion, residue motion, Protein Motions, NMR Relaxation, rational mutagenesis, structure-function, flexibility-function, dispersion tools, biocatalysts, semi-random mutagenesis, de novo, nanoscale machines, dihydrofolate reductase, adenylate kinase, amino acid networks, enablers, disruptors, dispersion experiments, Cyclophilin A, Pin1, Ribonuclease A, drug development and nanotechnologyCPMG, enzyme catalysis, NMR spectroscopy, protein engineering, relaxation dispersion, residue motion, Protein Motions, NMR Relaxation, rational mutagenesis, structure-function, flexibility-function, dispersion tools, biocatalysts, semi-random mutagenesis, de novo, nanoscale machines, dihydrofolate reductase, adenylate kinase, amino acid networks, enablers, disruptors, dispersion experiments, Cyclophilin A, Pin1, Ribonuclease A, drug development and nanotechnology

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,887
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,034
Tête enseignante GPT0,268
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle