Gluebodies Offer a Route To Improve Crystal Reliability and Diversity through Transferable Nanobody Mutations That Introduce Constitutive Close Contacts
Notice bibliographique
Résumé
Design of modular, transferable protein assemblies has broad applicability and in structural biology could help with the ever-troublesome crystallization bottleneck, including finding robustly behaved protein crystals for rapidly characterizing ligands or drug candidates or generating multiple polymorphs to illuminate diverse conformations. Nanobodies as crystallization chaperones are well-established but still unreliable, as we show here. Instead, we show an exemplar of how robust crystallization behavior can be engineered by exploring many combinations (>200) of nanobody surface mutations over several iterations. Critically, what needed testing was crystallization and diffraction quality, since target-nanobody binding affinity is decoupled from crystallizability enhancement. Our study yielded multiple polymorphs, all mediated by the same interface, with dramatically improved resolution and diffraction reliability for some mutants; we thus name them 'Gluebodies' (Gbs). We further demonstrate that these Gb mutations do transfer to some other targets, both for achieving robust crystallization in alternative packing forms and for establishing the ability to crystallize a key early stage readout. Since the Gb interface is evidently a favored interaction, it may be broadly applicable for modular assembly; more specifically, this work suggests that Gbs should be routinely attempted for crystallization whenever nanobodies are available.
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 | 0,001 | 0,001 |
| 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 ».