Analysis and Statistics of Crystallisation Success Increase by Composition Modification of Protein and Precipitant Mixing Ratio
Notice bibliographique
Résumé
The nucleation zone has to be reached for any crystal to grow, and the search for crystallization conditions of new proteins is a trial and error process. Here a convenient screening strategy is studied in detail that varies the volume ratio of protein sample to the reservoir solution in the drop to initiate crystallization that is named “composition modification”. It is applied after the first screen and has been studied with twelve proteins. Statistical analysis shows a significant improvement in screening using this strategy. The average improvement of “hits” at different temperatures is between 32 and 42%, for examples, 41.8% ± 14.0% and 35.7% ± 12.4% (± standard deviation) at 288 K and 300 K, respectively. Remarkably, some new crystals were found by composition modification which increased the probability of reaching the nucleation zone to initiate crystallization. This was confirmed by a phase diagram study. It is also demonstrated that composition modification can further increase crystallisation success significantly (1.3 times) after the improvement of “hits” by temperature screening. The trajectories of different composition modifications during vapour diffusion were plotted, further demonstrating that protein crystallizability can be increased by hitting more parts of the nucleation zone. It was also found to facilitate the finding of initial crystals for proteins of low solubility. These proteins gradually become more concentrated during the vapour diffusion process starting from a larger protein solution ratio in the initial mixture. Keywords: Composition modification, nucleation zone, protein crystallizability, protein with low solubility, statistics, PDB, NMR data, trajectories, Sigma Chemicals, NAD kinase, hits increase, chymotrypsinogen, crystallizability, supersaturationComposition modification, nucleation zone, protein crystallizability, protein with low solubility, statistics, PDB, NMR data, trajectories, Sigma Chemicals, NAD kinase, hits increase, chymotrypsinogen, crystallizability, supersaturation
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».