Multiscale molecular dynamics simulations predict arachidonic acid binding sites in human ASIC1a and ASIC3 transmembrane domains
Notice bibliographique
Résumé
Acid-sensing ion channels (ASICs) play important roles in inflammatory pathways by conducting ions across the neuronal membrane in response to proton binding under acidic conditions. Recent studies have shown that ASICs can be modulated by arachidonic acid (AA), and, in the case of the ASIC3 subtype, even activated by AA at physiological pH. However, the mechanism by which these fatty acids act on the channel is still unknown. Here, we have used multiscale molecular dynamics simulations to predict a putative, general binding region of AA to models of the human ASIC protein. We have identified, in agreement with recent studies, residues in the outer leaflet transmembrane region which interact with AA. In addition, despite their similar modulation, we observe subtle differences in the AA interaction pattern between human ASIC1a and human ASIC3, which can be reversed by mutating three key residues at the outer leaflet portion of TM1. We further probed interactions with these residues in hASIC3 using atomistic simulations and identified possible AA coordinating interactions; salt bridge interactions of AA with R65hASIC3 and R68hASIC3 and AA tail interactions with the Y58hASIC3 aromatic ring. We have shown that longer fatty acid tails with more double bonds have increased relative occupancy in this region of the channel, a finding supported by recent functional studies. We further proposed that the modulatory effect of AA on ASIC does not result from changes in local membrane curvature. Rather, we speculate that it may occur through structural changes to the ion channel upon AA binding.
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 ».