Molecular Dynamics Simulations on Gas-Phase Proteins with Mobile Protons: Inclusion of All-Atom Charge Solvation
Notice bibliographique
Résumé
Molecular dynamics (MD) simulations have become a key tool for examining the properties of electrosprayed protein ions. Traditional force fields employ static charges on titratable sites, whereas in reality, protons are highly mobile in gas-phase proteins. Earlier studies tackled this problem by adjusting charge patterns during MD runs. Within those algorithms, proton redistribution was subject to energy minimization, taking into account electrostatic and proton affinity contributions. However, those earlier approaches described (de)protonated moieties as point charges, neglecting charge solvation, which is highly prevalent in the gas phase. Here, we describe a mobile proton algorithm that considers the electrostatic contributions from all atoms, such that charge solvation is explicitly included. MD runs were broken down into 50 ps fixed-charge segments. After each segment, the electrostatics was reanalyzed and protons were redistributed. Challenges associated with computational cost were overcome by devising a streamlined method for electrostatic calculations. Avidin (a 504-residue protein complex) maintained a nativelike fold over 200 ns. Proton transfer and side chain rearrangements produced extensive salt bridge networks at the protein surface. The mobile proton technique introduced here should pave the way toward future studies on protein folding, unfolding, collapse, and subunit dissociation in the gas phase.
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 | 0,001 | 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 ».