《Current Opinion in Structural Biology》:Beyond structural cycles: computational mechanisms of biomolecular machines
编辑推荐:
理解生物分子机器不仅需要确定其结构,更需要识别将化学或电化学自由能与功能偶联的动态原理。冷冻电镜、单分子光谱学、高速原子力显微镜以及深度突变筛选的最新进展为计算模型提供了前所未有的实验约束条件,而分子模拟和动力学建模的发展则日益使我们能够对观测结果进行机理层面的解读。本文讨论
理解生物分子机器不仅需要确定其结构,更需要识别将化学或电化学自由能与功能偶联的动态原理。冷冻电镜、单分子光谱学、高速原子力显微镜以及深度突变筛选的最新进展为计算模型提供了前所未有的实验约束条件,而分子模拟和动力学建模的发展则日益使我们能够对观测结果进行机理层面的解读。本文讨论了近期的计算进展,这些进展体现了从结构表征向预测性动力学建模的转变,重点关注机械化学偶联的原子级机制、慢集体变量与过渡态的识别、分支动力学网络的构建,以及源于约化动力学描述的涌现记忆效应的描述。最后,我们讨论了几项紧迫的挑战,包括基于物理的模拟与机器学习的整合、非平衡动力学的严格描述,以及作为我们理解生物分子机器机理的新兴检验的动态蛋白质计算设计。
章节摘要
引言:从结构观测到动力学机理
生命系统依赖众多生物分子机器将化学或电化学自由能转化为定向运动、转运、合成、降解或信息处理。经典实例包括分子马达、膜转运蛋白、受体和离子泵、核糖体、DNA和RNA聚合酶以及蛋白酶体[1]。近年来,结构生物学的进步还使人们对日益复杂的分子组装体(如内体)
实验进展作为计算分析的支撑背景
实验技术的最新进展显著增强了可用于生物分子机器机理和计算分析的信息。除了结构快照外,近期的方法还能捕捉构象系综、瞬时中间态、转变动力学以及系统性的功能扰动。
冷冻电子显微镜(cryo-EM)的进展,尤其是三维分类和连续异质性分析,将结构
基于原子级模型与动力学循环的机械化学偶联
F1-ATPase可以说是表征最完善的生物分子马达之一,也是理解机械化学能量转换的典范[34]。除了其卓越的 thermodynamic 效率外,该马达是可逆的,在外部旋转驱动下可合成三磷酸腺苷(ATP)以执行其生理功能。然而,尽管经过数十年的实验和计算研究,若干基本的机理问题仍未解决。本质上,
在功能转变中发现慢变量与过渡态
理解生物分子机器的一个核心挑战在于识别能够捕捉其功能性构象转变的约化动力学描述。尽管这一问题广泛存在于分子生物物理学中[47],但对生物分子机器而言尤为突出,因为其功能性运动跨越多个空间和时空尺度。大型结构域重排往往与微妙的局部事件(包括侧链重排、氢键重排、
展望:从分析到设计
前文讨论的示例揭示了生物分子机器计算研究中的一种共同演变趋势。其目标不再是表征单个构象态,而是识别支配功能性动力学的动力学表示、转变路径和机械化学原理。结合快速发展的实验技术,这些进展正在实现对分子机器越来越定量化且可实验检验的描述。
关于论文撰写过程中生成式人工智能和AI辅助技术的使用声明
作者使用ChatGPT润色了论文的语言。
利益冲突声明
作者声明不存在可能影响本文所报告工作的已知财务利益冲突或个人关系。
致谢
本研究由美国国立卫生研究院(NIH)资助项目R35-GM141930支持。
崔强
美国波士顿大学化学系、物理系及生物医学工程系,美国马萨诸塞州波士顿市联邦大道590号,邮编02215