Sulfur‐Aromatic Interactions: Modeling Cysteine and Methionine Binding to Tyrosinate and Histidinium Ions to Assess Their Influence on Protein Electron Transfer
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
Abstract Cys and Met interactions with aromatic residues stabilize proteins and also may alter their redox properties. We establish here how ionization of the aromatic groups may influence such interactions. Specifically, ab initio quantum mechanical calculations at the MP2(full)/6‐311++G(d,p) level of theory are performed on the gas‐phase complexes of hydrogen sulfide, methanethiol (MeSH), and dimethyl sulfide (Me 2 S), with the imidazolium and phenolate ions and their 4‐methylated forms. The S‐ligands bind the aromatic ions more tightly than the neutral species, preferentially edge‐on to imidazolium and en‐face to phenolate. Charge transfer occurs within the complexes, which will impact the redox properties of the interacting moieties. The CHARMM36 force field, calibrated using potential energy curves generated at the same level of theory, yields affinities (kcal mol −1 ) in water of −4.3 and −3.1 for MeSH‐ and Me 2 S‐imidazolium, and −2.9 and −2.1 for the phenolate complexes. En‐face binding is preferred in water, with an equilibrium S‐ring‐centroid separation of ∼4 Å, which increases to > 5 Å in Me 2 S‐phenolate. Their high gas‐phase and aqueous stability suggests that S‐aromatic‐ion complexes are an important determinant of protein behavior. Since the uncalibrated CHARMM36 force field predicts very weak S‐aromatic‐ion binding in water (−0.3 to −0.6 kcal mol −1 ) and in the gas phase, the optimized parameters should be used to obtain a reliable description of these interactions in proteins.
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 | 0,000 | 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 découle