Ab Initio Studies on the Mechanism of Tyrosine Coupling
Notice bibliographique
Résumé
Oxidative stress is considered to be a major contributor to dysfunction in a host of disease states. Reactive oxygen species (ROS) mediate distinct oxidative alterations in biopolymers, including DNA, proteins, lipids, and lipoproteins. Currently, the mechanisms of biochemical reactions underlying oxidative stress are poorly understood because of the instability of ROS. One of the consequences of oxidative stress is one-electron oxidation of tyrosine (Tyr) residues in proteins, which represents a hallmark of this insult and is implicated in the pathogenesis of a number of pathological processes leading to atherosclerosis, inflammatory conditions, multiple system atrophy and several neurodegenerative diseases. Major products of oxidation of Tyr include protein-bound dityrosine and isodityrosine. In this report, the mechanism of tyrosine coupling (including structure and stability of a number of proposed reaction intermediates) is studied by high-level density functional and conventional ab initio methods including B3LYP, MP2, CASSCF, and CASPT2. It is demonstrated that dityrosine and isodityrosine are the most stable structures at all theoretical levels applied. In addition to classical structures of the reaction intermediates, evidence is found for a novel transient structure of Tyr dimer, stacked dityrosyl. This dimer is predicted to exist because of strong electron correlation between two tyrosyl moieties. The counterpoise corrected energy of stacked dityrosyl is below the energy of two tyrosyl radicals by about 95 kJ/mol at the PUMP2/6-31G** level. High proton affinity of tyrosyl radical (about 9.4 eV) suggests that positively charged amino acids in the vicinity of a solvent-exposed Tyr residue may increase the probability of tyrosine coupling.
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.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».