Evaluation of Methods for the Calculation of the p<i>K</i><sub>a</sub> of Cysteine Residues in Proteins
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Methods for the calculation of the pKa ionizable amino acids are valuable tools for understanding pH-dependent properties of proteins. Cysteine is unique among the amino acids because of the chemical reactivity of its thiol group (S-H), which plays an instrumental role in several biochemical and regulatory functions. The acidity of noncatalytic cysteine residues is a factor in their susceptibility to chemical modification. Despite the plethora of existing pKa computing methods, no definitive protocol exists for accurately calculating the pKa's of cysteine residues in proteins. A cysteine pKa test set was developed, which is comprised of 18 cysteine residues in 12 proteins where the pKa's have been determined experimentally and an experimental structure is available. The pKa's of these residues were calculated using three methods that use an implicit solvent model (H++, MCCE, and PROPKA) and an all-atom replica-exchange thermodynamic integration approach with the CHARMM36 and AMBER ff99SB-ILDNP force fields. The models that use implicit solvation methods were generally unreliable in predicting cysteine residue pKa's, with RMSDs between 3.41 and 4.72 pKa units. On average, the explicit solvent methods performed better than the implicit solvent methods. RMSD values of 2.40 and 3.20 were obtained for simulations with the CHARMM36 and AMBER ff99SB-ILDNP force fields, respectively. Further development of these methods is necessary because the performance of the best method is similar to that of the null-model (RMSD = 2.74) and these differences in RMSD are of limited statistical significance given the small size of our test set.
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.
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 | 0,012 | 0,003 |
| 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 découle