Effects of Multidentate Metal Interactions on the Structure of Collisionally Activated Proteins: Insights from Ion Mobility Spectrometry and Molecular Dynamics Simulations
Notice bibliographique
Résumé
Much remains to be learned about the way in which bound metal ions modulate the response of electrosprayed proteins and protein complexes to collisional excitation. Nonspecific metal adducts can affect the extent of collision-induced unfolding (CIU) and collision-induced dissociation (CID). Here, we examine how Na(+) and Ca(2+) adducts alter the CIU response of monomeric proteins under native electrospray conditions. Both of these metals are commonly encountered in biological samples. Measured collision cross sections are largely independent of metal adduction as long as in-source excitation is minimized. In contrast, under CIU conditions, the metal-adducted proteins are markedly more compact than their metal-free counterparts. This phenomenon is particularly pronounced for Ca(2+) binding, but Na(+) adducts have significant effects as well. Molecular dynamics simulations reproduce the experimentally observed trends. The simulations show that structural expansion of the collisionally unfolded proteins is limited by multidentate metal contacts that restrict the conformational freedom of the polypeptide chains. Multidentate interactions with carboxylates and other electron-rich moieties are to be anticipated for divalent metals such as Ca(2+). It is surprising that Na(+) also engages in multidentate ligation. Electrostatic mapping reveals that the propensity of both Na(+) and Ca(2+) to interact with multiple electron-rich groups is caused by ineffective charge shielding during ion pairing. Despite their compactness, the CIU structures of metalated proteins do not retain native-like elements. Instead, CIU generates inside-out conformations where previously surface-exposed hydrophilic side chains get buried along with most of the metal ions. Our findings caution that the observation of compact conformers after collisional excitation does not imply the survival of solution-like structural features. We also discuss possible implications of adduct-mediated effects for CIU fingerprinting studies.
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 ».