Mechanism of Protein Supercharging by Sulfolane and <i>m</i>-Nitrobenzyl Alcohol: Molecular Dynamics Simulations of the Electrospray Process
Notice bibliographique
Résumé
Electrospray ionization (ESI) allows the production of intact gas-phase ions from proteins in solution. Nondenaturing solvent conditions usually culminate in low ESI charge states. However, many mass spectrometric applications benefit from protein ions that are more highly charged. One way to boost protein charge is the addition of supercharging agents (SCAs) such as sulfolane or m-nitrobenzyl alcohol (m-NBA) to the aqueous solution. The supercharging mechanism remains controversial. We use molecular dynamics (MD) simulations to examine how SCAs affect the behavior of ESI nanodroplets. Simulations were conducted on myoglobin in water, water/sulfolane, and water/m-NBA. Na(+) ions served as surrogate charge carriers instead of H(+). We focus on conditions where the protein initially adopts its native conformation. MD-generated charge states show remarkable agreement with experimental data. Droplet shrinkage is accompanied by Na(+) ejection, consistent with the ion evaporation model (IEM). The droplets segregate into an outer SCA shell and an aqueous core. This core harbors protein and Na(+). Unfavorable SCA solvation restricts Na(+) access to the droplet surface, thereby impeding IEM ejection. Rapid water loss causes SCA enrichment, ultimately forcing all remaining Na(+) to bind the protein. IEM ejection is no longer feasible after this point, such that the protein becomes supercharged by Na(+) trapping. SCA-free droplets produce lower charge states because the aqueous environment ensures a higher IEM efficiency. For all scenarios examined here, proteins are released via solvent evaporation to dryness, as envisioned by the charged residue model. Our data provide the first atomistic view of the supercharging mechanism.
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 | 0,000 |
| 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 ».