Roles of Electrostatics and Conformation in Protein-Crystal Interactions
Notice bibliographique
Résumé
In vitro studies have shown that the phosphoprotein osteopontin (OPN) inhibits the nucleation and growth of hydroxyapatite (HA) and other biominerals. In vivo, OPN is believed to prevent the calcification of soft tissues. However, the nature of the interaction between OPN and HA is not understood. In the computational part of the present study, we used molecular dynamics simulations to predict the adsorption of 19 peptides, each 16 amino acids long and collectively covering the entire sequence of OPN, to the {100} face of HA. This analysis showed that there is an inverse relationship between predicted strength of adsorption and peptide isoelectric point (P<0.0001). Analysis of the OPN sequence by PONDR (Predictor of Naturally Disordered Regions) indicated that OPN sequences predicted to adsorb well to HA are highly disordered. In the experimental part of the study, we synthesized phosphorylated and non-phosphorylated peptides corresponding to OPN sequences 65-80 (pSHDHMDDDDDDDDDGD) and 220-235 (pSHEpSTEQSDAIDpSAEK). In agreement with the PONDR analysis, these were shown by circular dichroism spectroscopy to be largely disordered. A constant-composition/seeded growth assay was used to assess the HA-inhibiting potencies of the synthetic peptides. The phosphorylated versions of OPN65-80 (IC(50) = 1.93 microg/ml) and OPN220-235 (IC(50) = 1.48 microg/ml) are potent inhibitors of HA growth, as is the nonphosphorylated version of OPN65-80 (IC(50) = 2.97 microg/ml); the nonphosphorylated version of OPN220-235 has no measurable inhibitory activity. These findings suggest that the adsorption of acidic proteins to Ca2+-rich crystal faces of biominerals is governed by electrostatics and is facilitated by conformational flexibility of the polypeptide chain.
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 ».