Combination of Molecular Dynamics Simulations and Machine Learning Reveals Structural Characteristics of Stereochemistry-Specific Interdigitation of Synthetic Monomycoloyl Glycerol Analogs
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Synthetic monomycoloyl glycerol (MMG) analogs possess robust immunostimulatory activity and are investigated as adjuvants for subunit vaccines in preclinical and clinical studies. These synthetic lipids consist of a glycerol moiety attached to a corynomycolic acid. Previous experimental studies have shown that the stereochemistry of the lipid acid moiety affects whether the MMG analogs self-assemble into interdigitated or noninterdigitated structures below the main phase transition temperature ( T m ). In this study, we elucidated possible thermodynamic mechanisms governing the phase behavior of MMG analogs by exploring their conformations, interactions, and dynamics using a combination of machine learning (ML) and molecular dynamics (MD) simulations. We compared two analogs, MMG-1 and MMG-6, which differ only by the stereochemistry of the lipid acid moiety; the former has a configuration different from the natural MMG, and the latter displays a native-like stereochemistry. Three different membrane states were simulated: (1) a noninterdigitated single bilayer, (2) a noninterdigitated double bilayer, and (3) a fully interdigitated double bilayer. Our results indicate that the propensity for interdigitation of the MMG analogs in a bilayer is linked to the degree to which their hydrocarbon chains are ordered and oriented. This study demonstrates how combining MD simulations with ML can enhance the molecular understanding of lipid-based pharmaceutical formulations.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».