A computational investigation on the substrate preference of ten-eleven-translocation 2 (TET2)
Notice bibliographique
Résumé
TET proteins iteratively convert 5-methylcytosine (5mC) into 5-hydroxymethylcytosine (5hmC), 5-formylcytosine (5fC), and 5-carboxylcytosine (5caC) in a Fe(ii)/α-ketoglutarate-dependent manner. Our previous biochemical studies revealed that TET proteins are more active on 5mC than on 5hmC and 5fC. However, the source of the substrate preference of TET proteins still remains largely elusive. Here, we investigated the substrate binding and catalytic mechanisms of oxidation reactions mediated by TET2 on different substrates through computational approaches. In accordance with previous experimental reports, our computational results suggest that TET2 can bind to different substrates with comparable binding affinities and the hydrogen abstraction step in the catalytic cycle acts as the rate-limiting step. Further structural characterization of the intermediate structures revealed that the 5-substitution groups on 5hmC and 5fC adopt an unfavorable orientation for hydrogen abstraction, which leads to a higher energy barrier for 5hmC and 5fC (compared to 5mC) and thus a lower catalytic efficiency. In summary, our mechanical insights demonstrate that substrate preference is the intrinsic property of TET proteins and our theoretical calculation results can guide further dry-lab or wet-lab studies on the catalytic mechanism of TET proteins as well as other Fe(ii)/α-ketoglutarate (KG)-dependent dioxygenases.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».