Protein Transfer Free Energy Obeys Entropy-Enthalpy Compensation
Notice bibliographique
Résumé
We have found significant entropy-enthalpy compensation for the transfer of a diverse set of two-state folding proteins from water into water containing a diverse set of cosolutes, including osmolytes, denaturants, and crowders. In extracting thermodynamic parameters from experimental data, we show the potential importance of accounting for the cosolute concentration-dependence of the heat capacity change upon unfolding, as well as the potential importance of the temperature-dependence of the heat capacity change upon unfolding. We introduce a new Monte Carlo method to estimate the experimental uncertainty in the thermodynamic data and use this to show by bootstrapping methods that entropy-enthalpy compensation is statistically significant, in spite of large, correlated scatter in the data. We show that plotting the data at the transition midpoint provides the most accurate experimental values by avoiding extrapolation errors due to uncertainty in the heat capacity, and that this representation exhibits the strongest evidence of compensation. Entropy-enthalpy compensation is still significant at lab temperature however. We also find that compensation is still significant when considering variations due to heat capacity models, as well as typical measurement discrepancies lab-to-lab when such data is available. Extracting transfer entropy and enthalpy along with their uncertainties can provide a valuable consistency check between experimental data and simulation models, which may involve tests of simulated unfolded ensembles and/or models of the transfer free energy; we include specific applications to cold shock protein and protein L.
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) | 0,000 | 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 ».