MétaCan
Menu
Retour à la cohorte
Enregistrement W4397023402 · doi:10.1126/sciadv.adm7907

Probing the energy barriers and stages of membrane protein unfolding using solid-state NMR spectroscopy

2024· article· en· W4397023402 sur OpenAlexaff
Peng Xiao, Philip Drewniak, Dylan Dingwell, Leonid S. Brown, Vladimir Ladizhansky

Notice bibliographique

RevueScience Advances · 2024
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced NMR Techniques and Applications
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésLipid bilayerNuclear magnetic resonance spectroscopyMembrane proteinBiophysicsProtein foldingTransmembrane domainCrystallographyTransmembrane proteinNative stateSolid-state nuclear magnetic resonanceFolding (DSP implementation)ChemistryMembraneProtein structureForce spectroscopyBiochemistryNuclear magnetic resonanceBiologyPhysicsMoleculeStereochemistry

Résumé

récupéré en direct d'OpenAlex

Understanding how the amino acid sequence dictates protein structure and defines its stability is a fundamental problem in molecular biology. It is especially challenging for membrane proteins that reside in the complex environment of a lipid bilayer. Here, we obtain an atomic-level picture of the thermally induced unfolding of a membrane-embedded α-helical protein, human aquaporin 1, using solid-state nuclear magnetic resonance spectroscopy. Our data reveal the hierarchical two-step pathway that begins with unfolding of a structured extracellular loop and proceeds to an intermediate state with a native-like helical packing. In the second step, the transmembrane domain unravels as a single unit, resulting in a heterogeneous misfolded state with high helical content but with nonnative helical packing. Our results show the importance of loops for the kinetic stabilization of the whole membrane protein structure and support the three-stage membrane protein folding model.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,317
Écart entre enseignants0,305 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetAdvanced NMR Techniques and ApplicationsTravaux en français237 207