Garegin Papoian探索难以捉摸的蛋白质类别建模

马里兰大学Monroe Martin教授Garegin Papoian的研究团队在某机构研究奖项支持下，正在破译内在无序蛋白质（IDPs）的动态特性。

蛋白质结构预测的挑战

蛋白质是由氨基酸序列决定三维结构的大型分子。传统蛋白质具有明确的空间结构，但约三分之一的人类蛋白质属于内在无序蛋白质（IDPs），它们更像"疯狂的意大利面"，难以通过实验和计算方法处理。

AWSEM-IDP系统的开发

研究团队基于AWSEM-MD（关联记忆、水介导、结构和能量模型-分子动力学）框架，开发了专门针对IDPs的AWSEM-IDP系统。该系统利用通过核磁共振光谱等实验获得的蛋白质片段结构数据库，这些片段作为结构记忆指导IDP进行实验告知的结构转换。

技术实现特点

• 整合原子模拟数据：通过包含原子模拟获得的短片段结构，提高IDP结构探索的准确性
• 多构象偏好建模：能够正确描述IDP偏好的多种结构，而不仅限于单一构象
• 分子动力学模拟：专注于蛋白质动态行为研究，弥补静态结构预测的不足

应用案例

团队将AWSEM-IDP应用于连接组蛋白H1的研究，该蛋白具有两个内在无序区域。通过模拟核小体与连接组蛋白H1的相互作用，揭示了无序尾部在表观遗传调控中的作用。

未来发展方向

研究团队将继续改进AWSEM-IDP系统，并探索将机器学习与物理学方法相结合，用于：

• 蛋白质结构预测
• 蛋白质动力学研究
• 多蛋白质复合物建模
• 表观遗传学机制解析

同时，团队还在开发名为MEDYAN的全细胞计算模型，致力于在单分子分辨率上追踪细胞内的每个分子，最终实现在云端服务器上进行生物医学计算实验的目标。