Using Density Functional Theory for Testing the Robustness of Mobile-Proton Molecular Dynamics Simulations on Electrosprayed Ions: Structural Implications for Gaseous Proteins
Notice bibliographique
Résumé
Current experiments only provide low-resolution information on gaseous protein ions generated by electrospray ionization (ESI). Molecular dynamics (MD) simulations can yield complementary insights. Unfortunately, conventional MD does not capture the mobile nature of protons in gaseous proteins. Mobile-proton MD (MPMD) overcomes this limitation. Earlier MPMD data at 300 K indicated that protein ions generated by “native” ESI retain solution-like structures with a hydrophobic core and zwitterionic exterior [ Bakhtiari, M.; Konermann, L. J. Phys. Chem. B 2019, 123, 1784−1796]. MPMD redistributes protons using electrostatic and proton affinity calculations. The robustness of this approach has never been scrutinized. Here, we close this gap by benchmarking MPMD against density functional theory (DFT) at the B3LYP/6-31G* level, which is well suited for predicting proton affinities. The computational cost of DFT necessitated the use of small peptides. The MPMD energetic ranking of proton configurations was found to be consistent with DFT single-point energies, implying that MPMD can reliably identify favorable protonation sites. Peptide MPMD runs converged to DFT-optimized structures only when applying 300–500 K temperature cycling, which was necessary to prevent trapping in local minima. Temperature cycling MPMD was then applied to gaseous protein ions. Native ubiquitin converted to slightly expanded structures with a zwitterionic core and a nonpolar exterior. Our data suggest that such inside-out protein structures are intrinsically preferred in the gas phase, and that they form in ESI experiments after moderate collisional excitation. This is in contrast to native ESI (with minimal collisional excitation, simulated by MPMD at 300 K), where kinetic trapping promotes the survival of solution-like structures. In summary, this work validates the MPMD approach for simulations on gaseous peptides and 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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».