In silico based re-engineering of a computationally designed biosensor with altered signalling mode and improved dynamic range
Notice bibliographique
Résumé
A current challenge in the rational design of biomolecular sensors is the ability to custom design binding affinities and detection mode in silico. To this end, we re-engineered a previously reported computationally-designed fluorescent maltooligosaccharide (MOS)-detecting biosensor to both alter its ligand-binding affinity and to analyse the underlying sensing mechanism. The dynamic range of the biosensor was expanded through the computer aided introduction of a series of amino acid substitutions in the starting protein scaffold (MalX from Streptococcus pneumoniae), which generated a biosensor set with binding affinities spanning over five orders of magnitude. The impact of the introduced substitutions on the underlying mode of signal generation was assessed in silico using our previously reported Computational Identification of Non-disruptive Conjugation sites (CINC) pipeline. CINC utilizes molecular dynamics simulations and an in-house developed algorithm to examine and exploit the structural dynamics of a protein at amino acid-level resolution. Using CINC, we demonstrate that re-engineering of the MOS-detecting biosensor set resulted in sensors with two distinct output modes which differed based on local conformational changes at the fluorescently modified reporter position. These output modes were classified as "ligand-sensing"-type biosensors (readout based on the tool sensing a unique conformation in the ligand-bound state), and "apo-sensing"-type biosensors (readout based on the tool sensing a unique conformation in the apo state). Together, these results demonstrate that structural dynamics at the individual amino acid residue level can be used as an engineer-able feature to rationally alter the fluorescence reporting properties of a biosensing device. Moving forward, the CINC workflow can also be adapted for the rational design of protein dynamic properties maximizing its utility as an in silico design platform for custom biomolecular tools.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».