Folding free energy landscapes of <i>β</i>-sheets with non-polarizable and polarizable CHARMM force fields
Notice bibliographique
Résumé
Molecular dynamics (MD) simulations of peptides and proteins offer atomic-level detail into many biological processes, although the degree of insight depends on the accuracy of the force fields used to represent them. Protein folding is a key example in which the accurate reproduction of folded-state conformations of proteins and kinetics of the folding processes in simulation is a longstanding goal. Although there have been a number of recent successes, challenges remain in capturing the full complexity of folding for even secondary-structure elements. In the present work, we have used all-atom MD simulations to study the folding properties of one such element, the C-terminal β-hairpin of the B1 domain of streptococcal protein G (GB1). Using replica-exchange umbrella sampling simulations, we examined the folding free energy of two fixed-charge CHARMM force fields, CHARMM36 and CHARMM22*, as well as a polarizable force field, the CHARMM Drude-2013 model, which has previously been shown to improve the folding properties of α-helical peptides. The CHARMM22* and Drude-2013 models are in rough agreement with experimental studies of GB1 folding, while CHARMM36 overstabilizes the β-hairpin. Additional free-energy calculations show that small adjustments to the atomic polarizabilities in the Drude-2013 model can improve both the backbone solubility and folding properties of GB1 without significantly affecting the model’s ability to properly fold α-helices. We also identify a non-native salt bridge in the β-turn region that overstabilizes the β-hairpin in the C36 model. Finally, we demonstrate that tryptophan fluorescence is insufficient for capturing the full β-hairpin folding pathway.
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 ».