XiaoMi-AI文件搜索系统
World File Search SystemRMSD
对DNA构象变化的动态见解以及镁离子对
1,2 deen dayal upadhyay gorakhpur大学物理学系，戈拉赫布尔摘要：分子动力学模拟被用来仔细检查DNA链的构象变化，并阐明镁离子对拓扑异构酶IA酶的影响。通过均方根偏差（RMSD），均方根波动（RMSF），氢键距离，二面角和溶剂可访问的表面积（SASA）的计算，我们精心仔细检查了结构动力学。结果揭示了DNA链改变的复杂模式，展示了镁离子在调节拓扑异构酶IA酶行为中的深刻作用。这项研究为控制DNA构象变化的分子机制提供了基本见解，为进一步理解拓扑异构酶IA酶功能的生化复杂性奠定了基础。关键字：拓扑异构酶IA，MD模拟，DNA裂解，基因组稳定性。
通过机器学习预测磷光能和推断波函数定位
sets using HIPNN and HIP-loc, training and testing parity plots of predicted versus true D E on thermal conformers sampled around equilibria of S 0 and T 1 using HIPNN and HIP-loc, RMSD of optimized geometries using the HIP-loc T 1 potential and energy error plots at those geometries, absolute errors in D E as a function of number of atoms, parity plots of predicted versus true D E for the extensibility set categorized by chemical similarity, localization of singlet – triplet transition for select molecules of the extensibility set computed from DFT spin density and HIP-loc weights, conformation-dependent localization of singlet – triplet transitions in molecules with a single torsional angle, and molecular animations of torsional scans including that of the molecule in Fig.5。参见doi：10.1039/d1Sc02136b
基于油骨的同性恋sinapate作为一种新颖的c- ...
C-Met酪氨酸激酶结构域的两个X射线晶体结构； PDB代码：分别从蛋白质数据库（www.rcsb.org）中检索出野生和突变体类型的4xyf [1]和2RFS [2]。为了确定导致C-MET，ABL1和IGF1R之间亲和力差异的结构基础，也从蛋白质数据库中获得了ABL1（PDB代码：3OXZ [3]）和IGF1R（PDB代码：1JQH [4]）的晶体结构。实施了蛋白质制备向导，以制备每种蛋白质的激酶结构域。该蛋白质是通过分配键订单，添加氢，创建二硫键和使用ProPKA（丹麦詹森研究小组）优化H键网络来重新处理的。最后，使用优化的液体模拟电势（OPLS_2005，Schrödinger）力场应用了0.30°A的RMSD值的能量最小化。
少突胶质细胞绑定效应对白质轴突的超弹性3D响应
机械和航空航天工程罗格斯大学 - 新不伦瑞克省，皮斯卡塔维，新泽西州08854，美国摘要提出了一种新颖的有限元模型，以研究嵌入细胞外基质中轴突的机械响应，当时纯粹在纯粹的非伴随kinematic Kinematic Bounders条件下伸长额。Ogden超弹性材料模型描述了轴突和细胞外矩阵材料的特征。对白质中的两个轴突绑定方案进行了研究，其中一个少突胶质细胞（单ol）具有多个连接的多oligodendrocyte（Multi-Ol）。在多ol绑定构型中，将产生的力随机定向为分布式神经胶质细胞在其附近的轴突周围任意包裹。在单摩尔设置中，位于中央的少突胶质细胞在附近的多个轴突。绑定力针对这种少突胶质细胞，从而导致更大的方向性和较远的应力分布。与轴突的少突胶质连接由弹簧式仪表板模型表示。髓磷脂的材料特性是少突胶质细胞刚度参数化的上限（“ K”）。提出的FE模型可以实现连接机制及其对轴突刚度的影响，以准确确定由此导致的应力状态。对不同连接场景的应力应变图的根平方偏差分析显示，轴突刚度随着束缚的增加而增加，表明少突胶质细胞在应力再分布中的作用。在单醇子模型中，对于每个轴突相同数量的连接，RMSD值随着“ K”（少突胶质细胞弹簧刚度）值的增加而增加。RMSD计算表明，对于“ K”值，与多OL相比，单摩尔模型产生的略微更硬模型。当前的研究还通过随机化和添加连接以确保更大的响应能力来解决多OL模型的潜在几何局限性。两个子模型中注意到的环状弯曲应力表明，轴突损伤积累和重复负载故障的风险。关键字：微力学，有限元素，少突胶质细胞，轴突损伤，CNS白色物质，多尺度模拟，超弹性材料，Abaqus incenclature
针对乳腺癌的创新治疗结构
癌症仍然是全球人类患病和死亡的主要原因之一。乳腺癌仍然是全球女性中最常见的恶性疾病。最近开展的一项研究旨在通过遗传学和分子学对癌症的理解来揭示肿瘤的发生，该研究的主题是由此取得的进展所提供的直接治疗的新可能性。具体来说，这项研究的核心是设计和测试免疫毒素作为抗菌毒素构建体来治疗乳腺癌。这些免疫毒素可以选择性地杀死癌细胞，同时不伤害正常组织，因为它们只结合癌细胞抗原，利用抗体的特异性和细菌毒素的细胞毒性。我们根据 HADDOCK 等计算对接评估了免疫毒素与其各自抗原的结合亲和力，解释了令人鼓舞的结果，其特点是良好的对接分数和较低的 RMSD——此外，双重靶向方法与基于结构的方法相结合。通过开发人源化抗体和新型靶向部分，已经解决了免疫原性和非特异性毒性等挑战。我们的研究结果表明，优化的免疫毒素具有增强治疗窗口以及提高癌症治疗疗效的巨大潜力。
鉴定PPA1抑制剂候选物，以重新利用癌症医学
缩写：Acpype，Antchamber Python Parser界面；助理，吸收，分布，代谢，排泄和毒性； ATP，三磷酸腺苷； cAMP，环状AMP，腺苷3'，5' - 环状单磷酸盐； DCCM，动态交叉相关矩阵；涂料，离散优化的蛋白质能； DSSP，定义蛋白质的二级结构；美国食品和药物管理局FDA； FEL，自由能景观； GTP，三磷酸鸟嘌呤； Lincs，线性约束求解器； MD，分子动力学； mmpbsa，分子力学泊松 - 玻尔兹曼表面积； NPT，恒定数量的颗粒，系统压力和温度； NVT，恒定颗粒数，系统体积和温度； PCA，主成分分析； PDB，蛋白质数据库； PI，无机磷酸盐； PME，粒子网埃瓦尔德； PPA1，无机焦磷酸酶1; PPI，无机焦磷酸盐； RG，回旋半径； RMSD，均方根偏差； RMSF，根平方波动； SEM，平均值的标准误差；微笑，简化的分子输入线进入系统。
yds-ternoplex：超过分子胶介导的三元复合物预测的Alphafold 3型模型
分子胶代表了一种创新的药物类别，可实现以前不可能的蛋白质蛋白质相互作用，但是它们的理性设计仍然具有挑战性，这一问题准确的三元复合物建模可以显着解决。在这里，我们提出了YDS-Ternoplex，这是一种新型的计算方法，可以通过在推断过程中纳入增强的采样电感偏置来准确预测分子胶水介导的三元复合物结构，从而增强AlphaFold 3型模型。我们在五种不同的测试用例中展示了YDS-andOplex的功能，包括基于E3连接酶的系统（VHL：CDO1和CRBN复合物，具有MTOR-FRB，NEK7和VAV1-SH3C）和非E3连接酶复合物（FKBP12：MTOR-FRB）。与实验结构相比，该模型的RMSD值低至1.303Å，可实现出色的准确性，并成功预测了训练数据中不存在的新型蛋白质蛋白接口。值得注意的是，在FKBP12：MTOR-FRB情况下，YDS-Ternoplex正确预测了一种新颖的接口配置，而不是默认为训练数据中存在的已知相互作用，表明了强大的概括能力。我们的结果表明，通过电感偏差对推理过程的战略增强可以显着提高三元复合物预测的准确性，从而有可能加速以前不可用靶标的分子胶治疗剂的发展。
探索排名抗体序列设计的log-likelihienhiphienhizhienhoodys
在抗体序列和结构上训练的生成模型在推进机器学习辅助抗体工程和药物疾病方面具有巨大的潜力。当前的最新模型主要使用两类中的计算机指标：基于序列的指标，例如氨基酸恢复（AAR）和基于结构的指标，包括根均值 - 平方 - 平方偏差（RMSD），预贴紧的对齐误差（PAE）和界面预测模型模型（IPTM）。尽管已证明PAE和IPTM等指标是实验成功的有用过滤器，但没有证据表明它们适合排名，尤其是用于抗体序列设计。此外，尚未建立基于可靠的基于序列的度量。在这项工作中，使用来自七个不同数据集的现实世界实验数据，我们广泛基准了一系列生成模型，包括LLM式，基于扩散的基于扩散和基于图形的模型。我们表明，来自这些生成模型的对数可能与经验测量的结合亲和力很好地相关，这表明对数可能是对抗体序列设计进行排名的可靠度量。此外，我们通过在大型多样的合成数据集上训练基于扩散的模型之一，从而显着增强了其预测和评分结合亲和力的能力。我们的实施可用：https：//github.com/astrazeneca/diffabxl
抗体设计的基准生成模型
在抗体序列和结构上训练的生成模型在推进机器学习辅助抗体工程和药物疾病方面具有巨大的潜力。当前的最新模型主要使用两类中的计算机指标：基于序列的指标，例如氨基酸恢复（AAR）和基于结构的指标，包括根均值 - 平方 - 平方偏差（RMSD），预贴紧的对齐误差（PAE）和界面预测模型模型（IPTM）。尽管已证明PAE和IPTM等指标是实验成功的有用过滤器，但没有证据表明它们适合排名，尤其是用于抗体序列设计。此外，尚未建立基于可靠的基于序列的度量。在这项工作中，使用来自七个不同数据集的现实世界实验数据，我们广泛基准了一系列生成模型，包括LLM式，基于扩散的基于扩散和基于图形的模型。我们表明，来自这些生成模型的对数可能与经验测量的结合亲和力很好地相关，这表明对数可能是对抗体序列设计进行排名的可靠度量。此外，我们通过在大型多样的合成数据集上训练基于扩散的模型之一，从而显着增强了其预测和评分结合亲和力的能力。我们的实施可用：https：//github.com/astrazeneca/diffabxl
将动态网络分析与人工智能相结合，以增强 PD-L1：Affibody 相互作用中的表位预测
图 2：PD-L1：Affibody 复合物的结构预测结果。A) PDB 中发现的 PD-L1 复合物的天然接触以红色突出显示 B) PD-L1 和 Affibody 结合方向的比较分析：Alphafold2 Multimer、ClusPro 和 ZDock 预测。每种预测方法排名前 3 位的结构描绘了 PD-L1 和 Affibody 的结合方向。所有预测中两个主要方向是一致的：一个平行于 beta 片层，另一个垂直于它。这突出了计算方法在捕获该复合物的假定结合模式方面的融合。C) 两个提议方向的说明。DF) 从平行和垂直方向的十六个 100 纳秒全原子 MD 模拟重复中获得的独立属性的箱线图。D) 拟合到 PD-L1 后的 Affibody RMSD。 E) 使用分子力学泊松-玻尔兹曼表面积 (MM-PBSA) 方法估计结合自由能。F) 用垂直平均值归一化的界面残基相关性总和。这些基于 MD 的指标的综合分析强烈支持 PD-L1 和 Affibody 之间的垂直结合模式是最可能的配置，强调了计算评估方法的稳健性和一致性。