Structural prediction of GluN3 NMDA receptors
Notice bibliographique
Résumé
-aspartate (NMDA) receptors are heterotetrametric ion channels composed of two obligatory GluN1 subunits and two alternative GluN2 or GluN3 subunits, forming GluN1-N2, GluN1-N3, and GluN1-N2-N3 type of NMDA receptors. Extensive research has focused on the functional and structural properties of conventional GluN1-GluN2 NMDA receptors due to their early discovery and high expression levels. However, the knowledge of unconventional GluN1-N3 NMDA receptors remains limited. In this study, we modeled the GluN1-N3A, GluN1-N3B, and GluN1-N3A-N3B NMDA receptors using deep-learned protein-language predication algorithms AlphaFold and RoseTTAFold All-Atom. We then compared these structures with GluN1-N2 and GluN1-N3A receptor cryo-EM structures and found that GluN1-N3 receptors have distinct properties in subunit arrangement, domain swap, and domain interaction. Furthermore, we predicted the agonist- or antagonist-bound structures, highlighting the key molecular-residue interactions. Our findings shed new light on the structural and functional diversity of NMDA receptors and provide a new direction for drug development. This study uses advanced AI algorithms to model GluN1-N3 NMDA receptors, revealing unique structural properties and interactions compared to conventional GluN1-N2 receptors. By highlighting key molecular-residue interactions and predicting ligand-bound structures, our research enhances the understanding of NMDA receptor diversity and offers new insights for targeted drug development.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».