当前位置: 首页 > news >正文

22《Protein Actions Principles and Modeling》-《蛋白质作用原理和建模》中文分享

​《Protein Actions Principles and Modeling》-《蛋白质作用原理和建模》

本人能力有限,如果错误欢迎批评指正。

第五章:Folding and Aggregation Are Cooperative Transitions

            (折叠和聚合是同时进行的)

-蛋白质折叠的协同作用来自于二级和三级的结构相互作用

现在,我们应该如何理解在一个更复杂的过程中的协作性,比如蛋白质折叠?小的蛋白质被发现可以进行双态协同折叠,也就是说,蛋白质折叠过程中的中间产物的数量可以忽略不计。螺旋-线团理论现在以及不足以解释蛋白质的折叠协同性。因为β-折叠蛋白质也具有折叠协同性。此外,折叠蛋白质中的大多数螺旋都是短的,但螺旋-线团理论认为,短肽不应该形成稳定的螺旋。那么,我们错过了什么?

蛋白质折叠理论本身也不足以解释蛋白质内折叠的协同性。蛋白质中的疏水残基导致蛋白质在水中成为一个紧凑的结构,而这个过程是非常突然的。然而,晶格模型研究表明,聚合物这种压缩导致非协同转变,而不是协同转变。第3章的图3.9显示,6肽的 HP模型在变性转变的中点有大量的中间结构。这种协同性的缺乏并不是因为6- mer链太短,更长的链也经历了非协同的结构致密。

所以,如果我们不能单独用螺旋-线团过程或单独用结构致密来解释蛋白质折叠的双态性质,那又如何解释它呢?折叠协同作用似乎是由于二级和三级相互作用的组合。当两个螺旋在蛋白质折叠过程中形成时,每个螺旋本身都会形成一定的协同作用,但是,除此之外,两个螺旋相邻的排列有助于进一步稳定双螺旋配对。蛋白质螺旋通常是两亲性的,这意味着它的一边有一条疏水残基的条纹。当这些二级结构聚集在一起时,相邻螺旋的疏水条纹通常会相互面对。

为了说明二级结构之间的三级相互作用如何促进稳定性和协同性,我们重点关注螺旋束蛋白。在天然螺旋束蛋白中,多个螺旋(通常是三个或更多)就像一束棒状体并排排列。随着螺旋的协同形成,它们被捆绑在一起,从而提供更大的稳定性。螺旋会帮助其他螺旋的形成。这里有一个简单的模型来说明这个理论。

螺旋-螺旋之间的相互作用有助于螺旋-束蛋白的折叠协同性

首先,让我们模拟一个双螺旋束组装。然后,我们将模拟一个三螺旋束蛋白。这个双螺旋链有N个单体。图5.10 显示了我们的双螺旋模型中最重要的构象。我们将链的构象分为以下几个类:(i)线团状态(coil):整个链条完全变性,无结构。(ii)单螺旋状态(Single-helix):该链类似于谢尔曼:它可以是一个在任何地方、任何长度的单一螺旋延伸(高达最大的N个残基长)。为了使数学计算简单,我们将每个螺旋回合近似算为有4个氨基酸残基(而不是α螺旋中每转3.6个)。iii)两个相邻的螺旋被压缩起来,但只有部分( Two adjacent helices are zipped up, but only partially )。链有两个螺旋。这两个螺旋有完全相同的数字m = 1,2,3,…,的螺旋转弯。我们忽略了不匹配的螺旋长度或在错误位置的螺旋,因为它们的数量小得多。连接两个螺旋的是一个线圈状的环状结构。(所以,我们必须有M<N/2。)每条链的非螺旋部分都处于线团状态。(iv)原生状态( Native state):两个相邻的螺旋被完全压缩在一起,m = M。

图5.10对双螺旋束构象的分类。(A)单螺旋-线团的三种状态:无螺旋(即随机线团)、部分压缩的螺旋和完全压缩的螺旋。(B)双螺旋束状态的两种状态:部分形成的螺旋有m = 1,2,3,的转弯结构,或天然完全形成的双螺旋束,每个螺旋有m==M转弯。

现在,我们想计算出各种蛋白质构象的数量。让我们来构造这些状态的统计权重。值得注意的是,我们也同时考虑了只有线团以及只有螺旋结构的状态,如图5.10左侧的构象集合所示。这些构象的配分函数为Q1,当链的长度为N是,结合5.14可得出这个结论。其次,让我们计算一下双螺旋束状态,如图5.10的右侧所示。若双螺旋束的压缩状态为m,统计权重为

这里,σ2解释了两个螺旋的成核,s是每个螺旋旋转形成的统计权重(总共8m=(每个螺旋转角结构的4个单体)×(2个螺旋)×每个螺旋的m个转弯)。r(> 1)是一个平衡常数,它表示相邻螺旋之间的每个m个直接接触会产生多少额外的稳定性。螺旋-螺旋接触通常是疏水和结合相互作用导致的。公式5.20是对单螺旋链的公式5.13的对应物。

不同长度为m的双螺旋束构象(对应于公式5.14)对整体配分函数的贡献是

计算这些状态的总体,将该特定状态的统计权重放在分子中,并将和Q2hb = Q1+ Q2放在分母中。例如,p (2) = σ2s16r2/(Q1 + Q2)。然后,您可以计算平均值,例如双螺旋束的平均长度。

我们可以r来表示形成螺旋-螺旋接触相互作用的自由能εhh。

当没有螺旋-螺旋相互作用时,εhh = 0,导致r = 1。当螺旋-螺旋相互作用稳定时,εhh < 0,你有r > 1;这被称为正协同。在这个模型中,蛋白质折叠的协同作用可以来自螺旋-线团贡献(用σ和s表示)和螺旋-螺旋结构的吸引,由r > 1表达。

接下来我们要开始使用这个双螺旋束模型。我们有了N(如果整个链是螺旋,可以形成的最大氢键数);σ和s(螺旋-线团成核和增殖参数);r(每个有利的螺旋-螺旋相互作用的平衡常数);M,当蛋白质处于双螺旋束状态时,最大长度螺旋的氨基酸数量。然后,你计算配分函数Q2hb,模型中感兴趣的状态的总体,以及平均值和方差。Box 5.3 展示了如何使用已经计算过的Q1和Q2来处理三螺旋束蛋白质。

====================================================

Box 5.3 三螺旋束蛋白

使用与之前相同的逻辑,我们可以模拟一个三螺旋束蛋白质的折叠。假设主要的三螺旋束状态是那些三个螺旋中的每个螺旋都有相同的螺旋转弯数,m。假设螺旋完全相邻,则存在3m成对的螺旋-螺旋接触:在螺旋1-2、2-3和1-3之间。同样,取σ作为每个螺旋的成核常数,s作为增殖平衡常数,r作为成对的螺旋-螺旋平衡常数。在这个简单的模型中,三螺旋束状态的配分函数将是

其中,M(< N/3)是原生结构中每个螺旋的最大转弯数。为了计算三螺旋束蛋白的任何状态的总体,我们将感兴趣的状态的统计权重放到分子中,并将和Q1 + 3Q2 + Q3放到分母中。图5.11显示了这种简化的模型如何捕捉由温度和尿素诱导的三螺旋束中的折叠-展开协同性。

图5.11三螺旋束模型说明了温度和尿素的变性。三种浓度的尿素:2.0M(棕色)、1.5M(蓝色)和1.0M(红色)。

====================================================

总之,在小蛋白质折叠过程中观察到的可忽略的中间态种群可以解释为两种协同作用的产物:单个螺旋-线团过程具有协同性,螺旋-螺旋结构的堆积的相互作用进一步稳定结构。螺旋压缩因子s与螺旋-螺旋相互作用因子r结合,使双螺旋束状态比任何部分压缩或部分压缩状态更稳定。无论何时r > 1,这意味着螺旋-螺旋相互作用有助于稳定束状态。在这个模型中,三螺旋束比双螺旋束更稳定,因为在三螺旋束中有r3的因子,而在双螺旋束中只有r的因子。

这个模型已经相当简化了。首先,我们在这里只列举了“主导态”,而不是所有可能的构象。可以包括一些额外的构象,但是会导致额外的数学复杂性。我们模拟双螺旋状态时,我们只考虑那些螺旋完美地排列在一起的状态,因为rm因子显示非结合的螺旋对将会更少。我们还忽略了允许在序列的非原生位置上有双螺旋束状态形成的组合因子,因为这些项很小。像这样的简单模型的目的是捕捉一般的规律,而不是细节的内容。

-------------------------------------------

欢迎点赞收藏转发!

下次见!

相关文章:

22《Protein Actions Principles and Modeling》-《蛋白质作用原理和建模》中文分享

​《Protein Actions Principles and Modeling》-《蛋白质作用原理和建模》 本人能力有限&#xff0c;如果错误欢迎批评指正。 第五章&#xff1a;Folding and Aggregation Are Cooperative Transitions &#xff08;折叠和聚合是同时进行的&#xff09; -蛋白质折叠的协同作…...

vue2 @hook 的解析与妙用

目录前言几种用法用法一 将放在多个生命周期的逻辑&#xff0c;统一到一个生命周期中用法二 监听子组件生命周期运行的情况运用场景场景一 许多时候&#xff0c;我们不得不在不同的生命周期中执行某些逻辑&#xff0c;并且这些逻辑会用到一些通用的变量&#xff0c;这些通用变量…...

网络技术|网络地址转换与IPv6|路由设计基础|4

对应讲义——p6 p7NAT例题例1解1例2解2例3解3例4解4一、IPv6地址用二进制格式表示128位的一个IPv6地址&#xff0c;按每16位为一个位段&#xff0c;划分为8个位段。若某个IPv6地址中出现多个连续的二进制0&#xff0c;可以通过压缩某个位段中的前导0来简化IPv6地址的表示。例如…...

MySQL运维知识

1 日志1.1 错误日志1.2 二进制日志查看二进制日志&#xff1a;mysqlbinlog ./binlog.000007purge master logs to binlog.000006reset mastershow variables like %binlog_expire_logs_seconds%默认二进制文件只存放30天&#xff0c;30天后会自动删除。1.3 查询日志1.4 慢查询日…...

易基因-MeRIP-seq揭示衰老和神经变性过程中m6A RNA甲基化修饰的保守下调机制

大家好&#xff0c;这里是专注表观组学十余年&#xff0c;领跑多组学科研服务的易基因。2023年02月22日&#xff0c;《美国国家科学院院刊》(Proc Natl Acad Sci USA)期刊发表了题为“Conserved reduction of m6A RNA modifications during aging and neurodegeneration is lin…...

暑期实习准备——Verilog手撕代码(持续更新中。。。

暑期实习准备——手撕代码牛客刷题笔记Verilog快速入门VL4 移位运算与乘法VL5 位拆分与运算VL6 多功能数据处理器VL8 使用generate…for语句简化代码VL9 使用子模块实现三输入数的大小比较VL11 4位数值比较器电路VL12 4bit超前进位加法器电路VL13 优先编码器电路①VL14 用优先编…...

Qt音视频开发19-vlc内核各种事件通知

一、前言 对于使用第三方的sdk库做开发&#xff0c;除了基本的操作函数接口外&#xff0c;还希望通过事件机制拿到消息通知&#xff0c;比如当前播放进度、音量值变化、静音变化、文件长度、播放结束等&#xff0c;有了这些才是完整的播放功能&#xff0c;在vlc中要拿到各种事…...

Linux基础命令-nice调整进程的优先级

文章目录 Nice 命令介绍 语法格式 常用参数 参考实例 1 调整bash的优先级为-10 2 调整脚本的优先级为6 3 调整指令的优先级 4 默认使用nice命令调整优先级 命令总结 Nice 命令介绍 nice命令的主要功能是用于调整进程的优先级&#xff0c;合理分配系统资源。Linux系…...

解析C语言strcmp()函数

函数名: strcmp 头文件&#xff1a; <string.h> 函数原型: int strcmp(const char *str1,const char *str2); 功 能: 比较两个字符串的大小&#xff0c;区分大小写 参 数&#xff1a; str1和str2为要比较的字符串 返回值&#xff1a; str1 > str2 , 返回 1&…...

初识scrapy

认识scrapyscrapy是一个为了爬取网站数据&#xff0c;提取结构性数据而编写的应用框架&#xff0c;我们只需实现少量的代码&#xff0c;就能实现数据的快速抓取scrapy使用了Twisted异步网络架构&#xff0c;可以加快下载速度 pip install twisted安装&#xff1a;pip install s…...

(JUC)核心线程 和 救急线程的区别;Executors-固定大小线程池单线程线程池

核心线程 和 救急线程的区别 救急线程是有个生存时间的&#xff0c;它执行完任务了&#xff0c;过了一段时间&#xff0c;没有新任务了&#xff0c;救急线程就会销毁掉&#xff0c;变成结束的状态 核心线程没有生存时间&#xff0c;它执行完任务后&#xff0c;它仍然会被保存…...

vue2的动画和过渡效果

文章目录过渡 & 动画Transition 组件基于 CSS 的过渡效果CSS 过渡类名 class为过渡效果命名CSS 过渡 transition实例1&#xff1a;实例2&#xff1a;CSS 动画自定义过渡的类名同时使用 transition 和 animation深层级过渡与显式过渡时长性能考量JavaScript 动画可复用过渡效…...

正数负数的取反运算推导过程

取反题目题目&#xff1a;数据常用位十进制数据举例 我们计算a 60的取反运算c~a 求c 引用的知识点知识点: 正数的反码 补码 都一样。 0的补码反码都一样 负数的反码&#xff0c;最高是标记符号位&#xff0c;其他位置1变0 1变0 负数的补码 反码1 步骤斜体样式本篇我们全用8位二…...

C语言 条件编译

目录 1. #if #elif #else #endif 2. #ifdef #else #endif 3. #ifndef #else #endif 4. 三者区别 根据不同情况编译不同代码、产生不同目标文件的机制&#xff0c;称为条件编译。 条件编译是预处理程序的功能&#xff0c;不是编译器的功能。 1. #if #elif #else #endif …...

Linux: ARM GIC只中断CPU 0问题分析

文章目录1. 前言2. 分析背景3. 问题4. 分析4.1 ARM GIC 中断芯片简介4.1.1 中断类型和分布4.1.2 拓扑结构4.2 问题根因4.2.1 设置GIC SPI 中断CPU亲和性4.2.2 GIC初始化&#xff1a;缺省的CPU亲和性4.2.2.1 boot CPU亲和性初始化流程4.2.2.1 其它非 boot CPU亲和性初始化流程5.…...

测试软件5

一 css基础 css定义&#xff1a;可以设置网页中的样式&#xff0c;外观&#xff0c;美化 css中文名字&#xff1a;级联样式表&#xff0c;层叠样式表&#xff0c;样式表 二 css基础语法 1.style标签写在title标签后面 2.选择器{属性名1&#xff1a;属性值1&#xff1b;属性名…...

前端JS内存管理

JS内存管理 内存原理&#xff1a; 任何变成语言在执行的时候都需要操作系统来分配内存&#xff0c;只是有些语言需要手动管理分配的内存有些语言有专门来管理内存的方式 如 JVM 了解以上的概念之后&#xff0c;我们再来了解一下大致的内存周期 分配需要的内存使用内存在不使用…...

第七章.集成学习(Ensemble Learning)—袋装(bagging),随机森林(Random Forest)

第七章.集成学习 (Ensemble Learning) 7.1 集成学习—袋装(bagging),随机森林(Random Forest) 集成学习就是组合多个学习器&#xff0c;最后得到一个更好的学习器。 1.常见的4种集成学习算法 个体学习器之间不存在强依赖关系&#xff0c;袋装&#xff08;bagging&#xff09;…...

Java_面向对象

Java_面向对象 1.面向对象概述 ​ 面向对象是一种符合人类思想习惯的编程思想。显示生活中存在各种形态的不同事物&#xff0c;这些食物存在着各种各样的联系。在程序中使用对象来映射现实中的事物&#xff0c;使用对象的关系来描述事物之间的关系&#xff0c;这种思想就是面…...

【IoT】智能烟雾报警器

设计简介 硬件设计由AT89C51单片机、DS18B20温度传感器、4位共阳数码管、电源模块、报警模块、按键模块、MQ-2烟雾检测模块和ADC0832模数转换模块组成。 烟雾传感器MQ-2检测空气中的烟雾气体&#xff0c;通过ADC0832进行数据转换&#xff0c;经过单片机的运算处理后在数码管上…...

[特殊字符] 智能合约中的数据是如何在区块链中保持一致的?

&#x1f9e0; 智能合约中的数据是如何在区块链中保持一致的&#xff1f; 为什么所有区块链节点都能得出相同结果&#xff1f;合约调用这么复杂&#xff0c;状态真能保持一致吗&#xff1f;本篇带你从底层视角理解“状态一致性”的真相。 一、智能合约的数据存储在哪里&#xf…...

springboot 百货中心供应链管理系统小程序

一、前言 随着我国经济迅速发展&#xff0c;人们对手机的需求越来越大&#xff0c;各种手机软件也都在被广泛应用&#xff0c;但是对于手机进行数据信息管理&#xff0c;对于手机的各种软件也是备受用户的喜爱&#xff0c;百货中心供应链管理系统被用户普遍使用&#xff0c;为方…...

在 Nginx Stream 层“改写”MQTT ngx_stream_mqtt_filter_module

1、为什么要修改 CONNECT 报文&#xff1f; 多租户隔离&#xff1a;自动为接入设备追加租户前缀&#xff0c;后端按 ClientID 拆分队列。零代码鉴权&#xff1a;将入站用户名替换为 OAuth Access-Token&#xff0c;后端 Broker 统一校验。灰度发布&#xff1a;根据 IP/地理位写…...

AI编程--插件对比分析:CodeRider、GitHub Copilot及其他

AI编程插件对比分析&#xff1a;CodeRider、GitHub Copilot及其他 随着人工智能技术的快速发展&#xff0c;AI编程插件已成为提升开发者生产力的重要工具。CodeRider和GitHub Copilot作为市场上的领先者&#xff0c;分别以其独特的特性和生态系统吸引了大量开发者。本文将从功…...

学校时钟系统,标准考场时钟系统,AI亮相2025高考,赛思时钟系统为教育公平筑起“精准防线”

2025年#高考 将在近日拉开帷幕&#xff0c;#AI 监考一度冲上热搜。当AI深度融入高考&#xff0c;#时间同步 不再是辅助功能&#xff0c;而是决定AI监考系统成败的“生命线”。 AI亮相2025高考&#xff0c;40种异常行为0.5秒精准识别 2025年高考即将拉开帷幕&#xff0c;江西、…...

视觉slam十四讲实践部分记录——ch2、ch3

ch2 一、使用g++编译.cpp为可执行文件并运行(P30) g++ helloSLAM.cpp ./a.out运行 二、使用cmake编译 mkdir build cd build cmake .. makeCMakeCache.txt 文件仍然指向旧的目录。这表明在源代码目录中可能还存在旧的 CMakeCache.txt 文件,或者在构建过程中仍然引用了旧的路…...

Java数值运算常见陷阱与规避方法

整数除法中的舍入问题 问题现象 当开发者预期进行浮点除法却误用整数除法时,会出现小数部分被截断的情况。典型错误模式如下: void process(int value) {double half = value / 2; // 整数除法导致截断// 使用half变量 }此时...

4. TypeScript 类型推断与类型组合

一、类型推断 (一) 什么是类型推断 TypeScript 的类型推断会根据变量、函数返回值、对象和数组的赋值和使用方式&#xff0c;自动确定它们的类型。 这一特性减少了显式类型注解的需要&#xff0c;在保持类型安全的同时简化了代码。通过分析上下文和初始值&#xff0c;TypeSc…...

华为OD机试-最短木板长度-二分法(A卷,100分)

此题是一个最大化最小值的典型例题&#xff0c; 因为搜索范围是有界的&#xff0c;上界最大木板长度补充的全部木料长度&#xff0c;下界最小木板长度&#xff1b; 即left0,right10^6; 我们可以设置一个候选值x(mid)&#xff0c;将木板的长度全部都补充到x&#xff0c;如果成功…...

【Elasticsearch】Elasticsearch 在大数据生态圈的地位 实践经验

Elasticsearch 在大数据生态圈的地位 & 实践经验 1.Elasticsearch 的优势1.1 Elasticsearch 解决的核心问题1.1.1 传统方案的短板1.1.2 Elasticsearch 的解决方案 1.2 与大数据组件的对比优势1.3 关键优势技术支撑1.4 Elasticsearch 的竞品1.4.1 全文搜索领域1.4.2 日志分析…...