Cấu trúc hình học là gì? Các công bố khoa học về Cấu trúc hình học

Protein là yếu tố thiết yếu của sự sống, và việc hiểu cấu trúc của chúng có thể tạo điều kiện thuận lợi cho việc hiểu cơ chế hoạt động của chúng. Thông qua một nỗ lực thử nghiệm khổng lồ^1–4, cấu trúc của khoảng 100.000 protein độc nhất đã được xác định⁵, nhưng điều này chỉ đại diện cho một phần nhỏ trong hàng tỷ chuỗi protein đã biết^6,7. Phạm vi bao phủ cấu trúc đang bị thắt nút bởi thời gian từ vài tháng đến vài năm cần thiết để xác định cấu trúc của một protein đơn lẻ. Các phương pháp tính toán chính xác là cần thiết để giải quyết vấn đề này và cho phép tin học cấu trúc lớn. Việc dự đoán cấu trúc ba chiều mà một protein sẽ chấp nhận chỉ dựa trên chuỗi axit amin của nó - thành phần dự đoán cấu trúc của 'vấn đề gấp nếp protein'⁸ - đã là một vấn đề nghiên cứu mở quan trọng trong hơn 50 năm⁹. Dù đã có những tiến bộ gần đây^10–14, các phương pháp hiện tại vẫn chưa đạt đến độ chính xác nguyên tử, đặc biệt khi không có cấu trúc tương đồng nào được biết đến. Tại đây, chúng tôi cung cấp phương pháp tính toán đầu tiên có khả năng dự đoán cấu trúc protein với độ chính xác nguyên tử ngay cả trong trường hợp không có cấu trúc tương tự nào được biết. Chúng tôi đã xác nhận một phiên bản thiết kế hoàn toàn mới của mô hình dựa trên mạng neuron, AlphaFold, trong cuộc thi Đánh giá Cấu trúc Protein Phê bình lần thứ 14 (CASP14)¹⁵, cho thấy độ chính xác có thể cạnh tranh với các cấu trúc thử nghiệm trong phần lớn các trường hợp và vượt trội hơn các phương pháp khác đáng kể. Cơ sở của phiên bản mới nhất của AlphaFold là cách tiếp cận học máy mới kết hợp kiến thức vật lý và sinh học về cấu trúc protein, tận dụng các sắp xếp nhiều chuỗi, vào thiết kế của thuật toán học sâu.

Để phân tích thành công mối quan hệ giữa trình tự axit amin và cấu trúc protein, một định nghĩa rõ ràng và có ý nghĩa vật lý về cấu trúc thứ cấp là điều cần thiết. Chúng tôi đã phát triển một bộ tiêu chí đơn giản và có động cơ vật lý cho cấu trúc thứ cấp, lập trình như một quá trình nhận dạng mẫu của các đặc điểm liên kết hydro và hình học trích xuất từ tọa độ x-quang. Cấu trúc thứ cấp hợp tác được nhận diện dưới dạng các thuật toán cơ bản của mẫu liên kết hydro "xoắn" và "cầu". Các xoắn lặp lại là "xoắn ốc", các cầu lặp lại là "cột", các cột kết nối là "tấm". Cấu trúc hình học được định nghĩa theo các khái niệm về độ xoắn và độ cong trong hình học vi phân. "Tính chiral" của chuỗi cục bộ là sự xoắn của bốn vị trí C^α liên tiếp và có giá trị dương đối với xoắn ốc thuận tay phải và âm đối với cấu trúc β- xoắn lý tưởng. Các phần cong được định nghĩa là "bền". "Phơi nhiễm" dung môi được tính bằng số phân tử nước có thể tiếp xúc với một dư lượng. Kết quả cuối cùng là sự biên soạn cấu trúc chính, bao gồm các liên kết disulfide, cấu trúc thứ cấp và phơi nhiễm dung môi của 62 protein hình cầu khác nhau. Bài trình bày ở dạng tuyến tính: biểu đồ dải cho cái nhìn tổng quát và bảng dải cho các chi tiết của mỗi 10.925 dư lượng. Từ điển cũng có sẵn ở dạng đọc được bằng máy tính cho công việc dự đoán cấu trúc protein.

Xác thực hình học xung quanh nguyên tử Cα được mô tả, với một phép đo Cβ mới và biểu đồ Ramachandran cập nhật. Độ lệch của nguyên tử Cβ quan sát được so với vị trí lý tưởng cung cấp một phép đo duy nhất bao hàm thông tin chính về xác thực cấu trúc chứa trong biến dạng góc nối. Độ lệch Cβ nhạy cảm với sự không tương thích giữa các chuỗi bên và khung chính do sự không vừa vặn của các cấu hình hoặc giới hạn tinh chỉnh không phù hợp. Một biểu đồ ϕ,ψ mới sử dụng tính nhẵn phụ thuộc mật độ cho 81,234 dư lượng không phải Gly, không phải Pro, và không phải prePro với B < 30 từ 500 protein có độ phân giải cao cho thấy các ranh giới sắc nét tại các cạnh quan trọng và sự phân định rõ ràng giữa các vùng trống lớn và các khu vực được phép nhưng không được ưa chuộng. Một trong những khu vực như vậy là cấu hình γ‐turn gần +75°,−60°, được coi là cấm bởi các chương trình xác thực cấu trúc thông thường; tuy nhiên, nó xuất hiện trong các phần được sắp xếp tốt của các cấu trúc tốt, nó được xác định nhiều hơn gần các vị trí chức năng, và căng thẳng được bù đắp một phần bởi liên kết H trong γ‐turn. Các khu vực ϕ,ψ được ưa chuộng và cho phép cũng được xác định cho Pro, pre‐Pro và Gly (quan trọng vì các góc ϕ,ψ của Gly thì nhiều sự cho phép hơn nhưng ít được xác định chính xác hơn). Các chi tiết về các phân bố thực nghiệm chính xác này được dự đoán không tốt bởi các tính toán lý thuyết trước đó, bao gồm một khu vực bên trái của α‐helix, được đánh giá là thuận lợi về năng lượng nhưng hiếm khi xảy ra. Một yếu tố được đề xuất giải thích cho sự khác biệt này là việc đông đúc của các cặp peptide NH cho phép chỉ có thể đóng góp một liên kết H duy nhất. Các tính toán mới của Hu và cộng sự [Proteins 2002 (số này)] cho dipeptide Ala và Gly, sử dụng cơ học lượng tử hỗn hợp và cơ học phân tử, phù hợp với dữ liệu không lặp lại của chúng tôi một cách chi tiết xuất sắc. Để chạy các đánh giá hình học của chúng tôi trên một tệp được người dùng tải lên, hãy xem MOLPROBITY (http://kinemage.biochem.duke.edu) hoặc RAMPAGE (http://www‐cryst.bioc.cam.ac.uk/rampage). Proteins 2003;50:437–450. © 2003 Wiley‐Liss, Inc.

Trong vài thập kỷ qua, tiềm năng to lớn của vật liệu nano trong ứng dụng y sinh và chăm sóc sức khỏe đã được nghiên cứu một cách sâu rộng. Một số nghiên cứu trường hợp cho thấy vật liệu nano có thể cung cấp giải pháp cho những thách thức hiện tại về nguyên liệu thô trong lĩnh vực y sinh và chăm sóc sức khỏe. Bài tổng quan này mô tả các loại hạt nano khác nhau và các phương pháp tổng hợp vật liệu nano cấu trúc, đồng thời trình bày một số ứng dụng mới nổi trong y sinh, chăm sóc sức khỏe và thực phẩm nông nghiệp. Bài viết tập trung vào các loại vật liệu nano khác nhau (ví dụ: hình cầu, hạt nano hình que, ống nano, tấm nano, sợi nano, lõi-vỏ và xốp trung bình) có thể được tổng hợp từ các nguyên liệu thô khác nhau và những ứng dụng mới nổi của chúng trong hình ảnh sinh học, cảm biến sinh học, phân phối thuốc, kỹ thuật mô, kháng khuẩn và thực phẩm nông nghiệp. Tùy thuộc vào hình thái của chúng (ví dụ: kích thước, tỷ lệ khía cạnh, hình học, độ xốp), vật liệu nano có thể được sử dụng làm chất điều chỉnh công thức, chất giữ ẩm, chất độn nano, phụ gia, màng và phim. Do đánh giá độc tính phụ thuộc vào kích thước và hình thái, cần có quy định nghiêm ngặt trong việc kiểm tra liều lượng vật liệu nano hiệu quả. Những thách thức và triển vọng cho sự đột phá công nghiệp của vật liệu nano liên quan đến việc tối ưu hóa điều kiện sản xuất và chế biến.