Interrogating macromolecular complex assembly by systematically analyzing the composition of highly heterogeneous structural ensembles
Notice bibliographique
Résumé
Cryo-EM represents a unique and powerful opportunity to structurally characterize biomolecules at the singleparticle level, and to draw biological insights from the heterogeneity observed within structural ensembles.Doing so, however, represents a significant computational challenge, and necessitates improved methods for studying extremely heterogeneous datasets.Here, we present an approach that combines our recently-published cryoDRGN method to reconstruct highly heterogeneous structural ensembles with a high-throughput compositional analysis that allows us to quantify the presence and absence of individual domains or whole proteins across hundreds-tothousands of cryo-EM density maps.This analysis produces a highly interpretable representation of the compositional heterogeneity present within a dataset.Using this representation, we can identify cooperative and mutually-exclusive occupancy relationships between various subunits, extract subsets of particles for traditional high-resolution refinement, and define pathways of structural change including complex assembly.We have applied this approach to understand the role of a universally-conserved methyltransferase in biogenesis of the 30S ribosomal subunit.By comparing the structural ensembles observed in the presence and absence of this factor, we have uncovered that this factor performs a novel proof-reading role in ribosome assembly.In sum, this work establishes a framework for systematically interrogating compositionally heterogeneous structural ensembles produced by tools such as cryoDRGN, and it highlights the value of this framework in illuminating underlying biological mechanisms.
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 | 0,001 | 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 ».