Temperature influence on the stability of the precursor cluster of the thermolysin crystal

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

We used the molecular dynamics method to assess the stability of the precursor-cluster (hexamer) of thermolysin crystal over a wide range of temperatures (10–90°C). The simulation results showed that as the temperature increases, the stability of the hexamer, in general, decreases, however, the hexamer does not dissociate at any of the considered temperatures. At a temperature of 60°C, an increase in the stability of the hexamer was observed. This value is close to the temperature of maximum enzymatic activity of thermolysin (70°C). Based on the analysis of the results, it was assumed that the crystallization of thermolysin could be carried out at 60°C.

全文:

受限制的访问

作者简介

Y. Kordonskaya

National Research Centre “Kurchatov Institute”

编辑信件的主要联系方式.
Email: yukord@mail.ru
俄罗斯联邦, Moscow

V. Timofeev

NRC “Kurchatov Institute”

Email: yukord@mail.ru

Shubnikov Institute of Crystallography of Kurchatov Complex of Crystallography and Photonics

俄罗斯联邦, Moscow

M. Marchenkova

NRC “Kurchatov Institute”; Southern Federal University

Email: yukord@mail.ru

Shubnikov Institute of Crystallography of Kurchatov Complex of Crystallography and Photonics; The Smart Materials Research Institute

俄罗斯联邦, Moscow; Rostov-on-Don

Y. Pisarevsky

NRC “Kurchatov Institute”

Email: yukord@mail.ru

Shubnikov Institute of Crystallography of Kurchatov Complex of Crystallography and Photonics

俄罗斯联邦, Moscow

S. Silvestrova

The Loginov Moscow Clinical Scientific Center Moscow Health Department

Email: yukord@mail.ru
俄罗斯联邦, Moscow

Y. Dyakova

National Research Centre “Kurchatov Institute”

Email: yukord@mail.ru
俄罗斯联邦, Moscow

M. Kovalchuk

National Research Centre “Kurchatov Institute”; NRC “Kurchatov Institute”

Email: yukord@mail.ru

Shubnikov Institute of Crystallography of Kurchatov Complex of Crystallography and Photonics

俄罗斯联邦, Moscow; Moscow

参考

  1. Marchenkova M.A., Boikova A.S., Ilina K.B. et al. // Acta Naturae. 2023. V. 15. № 1. P. 58. https://doi.org/10.32607/ACTANATURAE.11815
  2. Du S., Wankowicz S.A., Yabukarski F. et al. // bioRxiv. 2023. https://doi.org/10.1101/2023.05.05.539620
  3. Kordonskaya Y.V., Timofeev V.I., Dyakova Y.A. et al. // Crystals. 2022. V. 12. № 11. P. 1645. https://doi.org/10.3390/CRYST12111645
  4. Kovalchuk M.V., Boikova A.S., Dyakova Y.A. et al. // J. Biomol. Struct. Dyn. 2019. V. 37. № 12. P. 3058. https://doi.org/10.1080/07391102.2018.1507839
  5. Kordonskaya Y.V., Timofeev V.I., Dyakova Y.A. et al. // Mend. Commun. 2023. V. 33. № 2. P. 225. https://doi.org/10.1016/J.MENCOM.2023.02.024
  6. van den Burg B., Eijsink V. // Handbook of Proteolytic Enzymes. 2013. V. 1. P. 540. https://doi.org/10.1016/B978-0-12-382219-2.00111-3
  7. Lam M.P.Y., Lau E., Liu X. et al. // Comprehensive Sampling and Sample Preparation: Analytical Techniques for Scientists. 2012. P. 307. https://doi.org/10.1016/B978-0-12-381373-2.00085-5
  8. Adekoya O.A., Sylte I. // Chem. Biol. Drug. Des. 2009. V. 73. № 1. P. 7. https://doi.org/10.1111/J.1747-0285.2008.00757.X
  9. DeLano W.L. // The PyMOL Molecular Graphics System, Version 1.8; Schrödinger, LLC: New York, NY, USA, 2015.
  10. Jurrus E., Engel D., Star K. et al. // Protein Sci. 2018. V. 27. № 1. P. 112. https://doi.org/10.1002/PRO.3280
  11. Van Der Spoel D., Lindahl E., Hess B. et al. // J. Comput. Chem. 2005. V. 26. № 16. P. 1701. https://doi.org/10.1002/jcc.20291
  12. Lindorff-Larsen K., Piana S., Palmo K. et al. // Proteins: Structure, Function and Bioinformatics. 2010. V. 78. № 8. P. 1950. https://doi.org/10.1002/prot.22711
  13. Horn H.W., Swope W.C., Pitera J.W. et al. // J. Chem. Phys. 2004. V. 120. № 20. P. 9665. https://doi.org/10.1063/1.1683075
  14. Dimitropoulos D., Ionides J., Henrick K. // Curr. Protoc. Bioinf. 2006. P. 14.3.1–14.3.3.
  15. Michaud-Agrawal N., Denning E.J., Woolf T.B., Beckstein O. // J. Comput. Chem. 2011. V. 32. № 10. P. 2319. https://doi.org/10.1002/JCC.21787
  16. Gowers R.J., Linke M., Barnoud J. et al. // 15th Python in Science Conference, Los Alamos, NM (United States), Sep 11. 2016. P. 98. https://doi.org/10.25080/Majora629e541a-00e
  17. Sousa Da Silva A.W., Vranken W.F. // BMC Res Notes. 2012. V. 5. № 1. P. 1. https://doi.org/10.1186/1756-0500-5-367/FIGURES/3
  18. Essmann U., Perera L., Berkowitz M.L. et al. // J. Chem. Phys. 1995. V. 103. P. 8577. https://doi.org/10.1063/1.470117
  19. Berendsen H.J.C., Postma J.P.M., Van Gunsteren W.F. et al. // J. Chem. Phys. 1984. V. 81. № 8. P. 3684. https://doi.org/10.1063/1.448118
  20. Parrinello M., Rahman A. // J. Chem. Phys. 1982. V. 76. № 5. P. 2662. https://doi.org/10.1063/1.443248
  21. Van Gunsteren W.F., Berendsen H.J.C. // Mol. Simul. 1988. V. 1. № 3. P. 173. https://doi.org/10.1080/08927028808080941
  22. Hess B., Bekker H., Berendsen H.J.C., Fraaije J.G.E.M. // J. Comput Chem. 1997. V. 18. P. 1463. https://doi.org/10.1002/(SICI)1096-987X(199709)18:12<1463:: AID-JCC4>3.0.CO;2-H

补充文件

附件文件
动作
1. JATS XML
下载
2. Fig. 1. RMSF values ​​of the precursor cluster (hexamer) of the thermolysin crystal in the crystallization solution at temperatures in the range from 10–90°C. Each colored curve corresponds to one simulation, the black one to the RMSF values ​​averaged over all independent simulations (three or five) at a certain temperature.

下载 (746KB)
索引源数据
3. Fig. 2. Precursor cluster (hexamer) of thermolysin crystal in two projections. Letters A–F denote the monomers that make up the hexamer. Green spheres show calcium ions, gray spheres – zinc ions.

下载 (480KB)
索引源数据
4. Fig. 3. RMSF values ​​averaged over all Cα atoms of the thermolysin crystal precursor cluster in the crystallization solution at different temperatures (from 10 to 90°C). The indicated errors are one standard deviation when averaging RMSF over independent simulations.

下载 (73KB)
索引源数据
5. Fig. 4. The least stable hexamers at the end of the simulation (100 ns) in two projections at 50 (left) and 70°C (right). Thermolysin molecules do not detach from the hexamer even during MD of the most unstable structures.

下载 (201KB)
索引源数据

版权所有 © Russian Academy of Sciences, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».