Reconstructing folding energy landscapes from splitting probability analysis of single-molecule trajectories
Notice bibliographique
Résumé
Structural self-assembly in biopolymers, such as proteins and nucleic acids, involves a diffusive search for the minimum-energy state in a conformational free-energy landscape. The likelihood of folding proceeding to completion, as a function of the reaction coordinate used to monitor the transition, can be described by the splitting probability, p(fold)(x). P(fold) encodes information about the underlying energy landscape, and it is often used to judge the quality of the reaction coordinate. Here, we show how p(fold) can be used to reconstruct energy landscapes from single-molecule folding trajectories, using force spectroscopy measurements of single DNA hairpins. Calculating p(fold)(x) directly from trajectories of the molecular extension measured for hairpins fluctuating in equilibrium between folded and unfolded states, we inverted the result expected from diffusion over a 1D energy landscape to obtain the implied landscape profile. The results agreed well with the landscapes reconstructed by established methods, but, remarkably, without the need to deconvolve instrumental effects on the landscape, such as tether compliance. The same approach was also applied to hairpins with multistate folding pathways. The relative insensitivity of the method to the instrumental compliance was confirmed by simulations of folding measured with different tether stiffnesses. This work confirms that the molecular extension is a good reaction coordinate for these measurements, and validates a powerful yet simple method for reconstructing landscapes from single-molecule trajectories.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».