Water-mediated ribonucleotide–amino acid pairs and higher-order structures at the RNA–protein interface: analysis of the crystal structure database and a topological classification
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Water is essential for the formation, stability and function of RNA–protein complexes. To delineate the structural role of water molecules in shaping the interactions between RNA and proteins, we comprehensively analyzed a dataset of 329 crystal structures of these complexes to identify water-mediated hydrogen-bonded contacts at RNA–protein interface. Our survey identified a total of 4963 water bridges. We then employed a graph theory-based approach to present a robust classification scheme, encompassing triplets, quartets and quintet bridging topologies, each further delineated into sub-topologies. The frequency of water bridges within each topology decreases with the increasing degree of water node, with simple triplet water bridges outnumbering the higher-order topologies. Overall, this analysis demonstrates the variety of water-mediated interactions and highlights the importance of water as not only the medium but also the organizing principle underlying biomolecular interactions. Further, our study emphasizes the functional significance of water-mediated interactions in RNA–protein complexes, and paving the way for exploring how these interactions operate in complex biological environments. Altogether, this understanding not only enhances insights into biomolecular dynamics but also informs the rational design of RNA–protein complexes, providing a framework for potential applications in biotechnology and therapeutics. All the scripts, and data are available at https://github.com/PSCPU/waterbridges.
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.
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 découle