Quantifying Water-Mediated Protein–Ligand Interactions in a Glutamate Receptor: A DFT Study
Notice bibliographique
Résumé
It is becoming increasingly clear that careful treatment of water molecules in ligand-protein interactions is required in many cases if the correct binding pose is to be identified in molecular docking. Water can form complex bridging networks and can play a critical role in dictating the binding mode of ligands. A particularly striking example of this can be found in the ionotropic glutamate receptors. Despite possessing similar chemical moieties, crystal structures of glutamate and α-amino-3-hydroxy-5-methyl-4-isoxazole-propionic acid (AMPA) in complex with the ligand-binding core of the GluA2 ionotropic glutamate receptor revealed, contrary to all expectation, two distinct modes of binding. The difference appears to be related to the position of water molecules within the binding pocket. However, it is unclear exactly what governs the preference for water molecules to occupy a particular site in any one binding mode. In this work we use density functional theory (DFT) calculations to investigate the interaction energies and polarization effects of the various components of the binding pocket. Our results show (i) the energetics of a key water molecule are more favorable for the site found in the glutamate-bound mode compared to the alternative site observed in the AMPA-bound mode, (ii) polarization effects are important for glutamate but less so for AMPA, (iii) ligand-system interaction energies alone can predict the correct binding mode for glutamate, but for AMPA alternative modes of binding have similar interaction energies, and (iv) the internal energy is a significant factor for AMPA but not for glutamate. We discuss the results within the broader context of rational drug-design.
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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».