MétaCan
Menu
Retour à la cohorte
Enregistrement W2063778151 · doi:10.1039/c1cp00003a

A mesoscopic model for protein enzymatic dynamics in solution

2011· article· en· W2063778151 sur OpenAlexafffund
Carlos Echeverría, Yuichi Togashi, Alexander S. Mikhailov, Raymond Kapral

Notice bibliographique

RevuePhysical Chemistry Chemical Physics · 2011
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein Structure and Dynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of TorontoCompute CanadaGovernment of OntarioAlexander von Humboldt-Stiftung
Mots-clésMesoscopic physicsChemistryProtein dynamicsMolecular dynamicsChemical physicsDynamics (music)Substrate (aquarium)DiffusionComputational chemistryBiophysicsThermodynamicsPhysics

Résumé

récupéré en direct d'OpenAlex

A multi-scale, coarse-grained description of protein conformational dynamics in a solvent is presented. The focus of the paper is on the description of the conformational motions that may accompany enzyme catalysis as the enzyme executes a catalytic cycle, starting with substrate binding and ending with product release and return to the original unbound enzyme. The protein is modeled by a network of beads representing amino acid residues, the solvent is described by multiparticle collision dynamics, and substrate binding and unbinding events are modeled stochastically by conformation-dependent transitions that modify the bonding in the network to correspond to the different binding states of the protein. The solvent dynamics is coupled to that of the protein and hydrodynamic interactions, which are important for the large-scale protein motions, are taken into account. The multi-scale model is used to study the dynamics of the adenylate kinase enzyme in solution. A potential function that describes the different binding and conformational states of the protein and accounts for partial unfolding during the catalytic cycle is constructed as a network built from elastic network and soft potential links. The conformational dynamics of the protein as it undergoes cyclic enzymatic dynamics, as well as its translational diffusion and orientational motion, are investigated using both multiparticle collision dynamics and dynamics that suppresses hydrodynamic coupling. Hydrodynamic interactions are found to have important effects on the large scale conformational motions of the protein and significantly affect the translational diffusion coefficients and orientational correlation times.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,014
Tête enseignante GPT0,240
Écart entre enseignants0,226 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations34
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical Chemistry Chemical PhysicsMême sujetProtein Structure and DynamicsTravaux en français237 207