今天给大家介绍的是山东大学魏乐义教授课题组在Briefings in Bioinformatics上发表的文章“ATSE: a peptide toxicity predictor by exploiting structural and evolutionary information based on graph neural network and attention mechanism”。多肽药物目前已广泛应用于各种疾病的预防、诊断和治疗,具有广阔的开发前景,出于研究和安全监管的目的,通过计算方法在大量的候选肽中准确预测潜在的毒性肽显得十分重要。作者在文章中提出了一种基于图网络和注意力机制,利用结构信息和进化信息预测多肽的毒性的方法,称为ATSE,该方法包含4个模块:(i)将多肽序列转换为分子图和进化信息的序列处理模块,(ii)从图结构和进化信息提取有效特征的特征提取模块,(iii)优化特征的注意力模块,(iv)输出模块。通过实验表明,所提出的方法显著优于现有的预测方法,并且证明了结构信息和进化信息具有互补性,有效地提高了多肽毒性的预测准确性。
多肽是两个以上氨基酸通过肽键组成的生物活性物质,可以通过折叠、螺旋形成更高级的蛋白质结构。多肽不仅与多个生理活动相关联,还可以自组装成纳米粒子,参与到生物检测、药物递送、组织工程中。
近日,中山主流源生物科技有限公司(以下简称“主流源生物”)宣布完成近亿元A轮融资。本轮融资由富汇创投领投,探雪资本、鼎赋投资等多家机构跟投。所筹资金将用于搭建公司核心技术平台,推进重点研发管线的临床研究。
今天为大家介绍一篇发表在nature communications上的论文,“Harnessing protein folding neural networks for peptid-protein docking”. 文章证明AlphaFold2除了能够进行结构预测之外,还可以快速准确地模拟多肽-蛋白质相互作用。在不需要多肽的多序列比对信息的情况下,作者应用AlphaFold2成功建模出多肽-蛋白质复合体,并且还可以处理配体结合诱导的受体构象变化。
多肽是含有至少一个酰胺 (肽) 键的氨基酸衍生化合物,从结构上看,多肽包括各种类型的肽,如线性肽、环肽、脱脂肽等,按功能还能分为,抗菌肽、激素调节肽、神经活性肽等[1]。20 世纪初,对肽的研究主要集中在人类信号激素的作用上。胰岛素是内源性激素治疗的典型例子。这是第一种用于临床的肽类药物,也是迄今为止商业上最成功的药物[2],因为,这彻底改变了 I 型糖尿病的治疗。尽管早期激素类似物取得了成功,但较长的多肽的生产受到合成方法的限制。因此,内源性人多肽和蛋白质在细胞培养系统中选择性表达是非常可取的,重组技术的出现则是多肽药物开发的一个里程碑。1982 年,第一个重组生产的人类多肽——生长抑素被生产。随后,蓬勃发展的基因工程实现了单个氨基酸的调整,从而改善多肽在体内的吸收、分布、代谢和排泄特性。噬菌体显示等显示技术,以及新的化学方法也在推动这一领域的发展[2]。
今天要介绍的是清华大学交叉信息研究院曾坚阳教授在Bioinformatics发表的一篇关于多肽与MHC I类的结合预测的论文。在癌症治疗疫苗的开发中预测与主要组织相容性复合体(MHC,Major Histocompatibility Complex)结合的多肽有至关重要的作用。作者提出了一种基于注意力机制的深度神经网络预测框架 - ACME。作者在ACME的网络框架引入了注意力机制模块,使模型具有很好的可解释性,为多肽与MHC的结合偏好分析提供有用的见解。实验结果表明,ACME显著优于其他现有的预测方法。
关于生物活性肽和蛋白质的分子量与其功能的关系不能一概而论。天然存在的多肽长度从两个到数千个氨基酸残基不等。即使是最小的肽也能产生重要的生物学效应。以商业合成的二肽L-天冬氨酰-L-苯丙氨酸甲酯为例,这是一种人造甜味剂,更广为人知的名称是阿斯巴甜或NutraSweet。
共价结合的卤素原子周围电荷分布具有各向异性,存在一个带正电的σ空穴,可以与亲核试剂相互作用形成卤键作用(XB)。卤键是分子识别和药物设计中重要的非共价相互作用。在药物设计中,已有的研究主要集中在含卤小分子化合物与靶标蛋白之间的卤键。在自然界中,一些蛋白质和多肽也含有卤素原子,而卤代蛋白质和卤代多肽的合成也是科研人员关注的一个领域,但目前仍然缺乏对卤代蛋白质或肽所形成的卤键的系统研究。近日,中国科学院上海药物研究所朱维良/徐志建课题组基于数据库统计分析,并结合量子化学计算和分子动力学模拟对蛋白/多肽中的卤键进行了研究,发现在蛋白-多肽相互作用界面的卤键可以增强它们的结合亲和力,蛋白内部形成的分子内卤键有助于提高蛋白质的结构稳定性,而对于不能形成分子内卤键的蛋白质则会导致其结构稳定性降低。该研究成果以题为“Impact of Halogen Bonds on Protein–Peptide Binding and Protein Structural Stability Revealed by Computational Approaches”的文章1发表于药物化学领域著名期刊《Journal of Medicinal Chemistry》。相关研究为卤键应用于多肽/蛋白药物的研发提供了理论性指导。
1951年,Pauling和Corey预测了第二种重复结构,即β构象(β conformation)。这是多肽链的一种更延伸的构象,其结构再次由根据一组特征二面角排列的主链原子定义。在β构象中,多肽链的主链延伸成锯齿状而非螺旋状结构(图4-5)。β构象中的单个蛋白质片段通常被称为β链。多条链并排排列,全部呈 β 构象,称为 β 折叠(β sheet)。单个多肽片段的之字形结构导致整个片的褶皱外观。氢键在片内多肽链的相邻片段的主链原子之间形成。形成β片的单个片段通常在多肽链上相邻,但在多肽的线性序列中也可能彼此相距很远;它们甚至可以在不同的多肽链中。相邻氨基酸的R基团从之字形结构中向相反方向突出,形成了图4-5侧视图中所示的交替模式。
作者 | 徐彦超 编辑 | ScienceAI 前言 近期,结合机器学习技术的相关研究在生物技术领域取得了巨大的成功。抗菌肽作为一个对抗细菌耐药性的潜在有效材料,其发掘与临床测试成为了研究的热点。其中,具有序列多样性的多肽分子构成了一个超大规模的潜在治疗药物的候选库。通过噬菌体、核糖体展示等高通量技术,可以实现 条序列的功能识别。但是在最先进的实验技术的加持下,为发现新药而识别整个肽库空间仍然是一项艰巨的任务。 针对抗菌肽筛选任务,目前主流的方案有以下几种: 1. 在收集的数据集上进行模型训练,并在独立的
共价键也对多肽的构象施加了重要的限制。20世纪30年代末,Linus Pauling和Robert Corey开始了一系列研究,为我们目前对蛋白质结构的理解奠定了基础。他们从仔细分析肽键开始。
今天给大家介绍Nature子刊《Nature Review Drug Discovery》上刊登的一篇文章《Trends in peptide drug discovery》,这篇文章回总结了肽药物发现和开发的主要趋势。强调从今天仍然有用的较早方法中汲取的教训,以及新兴的策略,这些策略为肽药物发现创造了新途径。
在活细胞中,蛋白质以非常高的速度由氨基酸组装而成。例如,大肠杆菌细胞可以在37℃下约5秒内内形成一个完整的、含有100个氨基酸残基的生物活性蛋白质分子。然而,仅仅在核糖体上合成肽键是不够的;蛋白质必须折叠。
转眼间Alphafold2已经推出接近两年时间了,在这段时间里面,虽然学术界和产业界轰轰烈烈,各种fold的新版本层出不穷。但蛋白质结构预测这个任务在新药发现上的落地应用却鲜见报道。
并非所有蛋白质在细胞中合成时都会自发折叠。许多蛋白质的折叠需要分子伴侣,即与部分折叠或不正确折叠的多肽相互作用的蛋白质,促进正确的折叠途径或提供可以发生折叠的微环境。在从细菌到人类的生物体中发现了几种类型的分子伴侣。两个主要的伴侣家族是 Hsp70家族和伴侣蛋白,这两个家族都经过了深入的研究。
今天要介绍的是西奈山伊坎医学院遗传学和基因组科学系Timothy J. O'Donnell在Cell Systems上发表的论文” MHCflurry 2.0:Improved Pan-Allele Prediction of MHC Class I-Presented Peptides byIncorporating Antigen Processing”。主要组织相容性复合物(MHC,major histocompatibility complex)Ⅰ类蛋白与多肽的结合预测是研究T细胞免疫的重要工具。通过质谱法鉴定的自然存在的MHC配体,不仅阐明了结合基序,而且可以反映MHC结合之前发生的抗原加工步骤。因此,作者开发了一个MHCⅠ类表达的综合预测因子,它结合了MHCⅠ类结合和抗原加工的新模型。实验结果表明,该模型显著优于其他现有的预测方法。
1、基因、DNA、染色体之间的关系:染色体由DNA和蛋白质构成,基因是DNA上具有遗传效应的片段。
许多蛋白质,例如核糖核酸酶A和胰凝乳蛋白酶,只含有氨基酸残基,不含其他化学成分。然而,一些蛋白质除了含有氨基酸外,还含有永久相关的化学成分;这些被称为结合蛋白(Conjugated proteins)。结合蛋白的非氨基酸部分通常被称为其辅基。结合蛋白根据其辅基的化学性质进行分类(表3-4);例如,脂蛋白含有脂质,糖蛋白含有糖基,金属蛋白含有特定的金属。有些蛋白质含有一个以上的辅基。通常辅基在蛋白质的生物功能中起着重要作用。
许多蛋白质具有多个多肽亚基(从两个到数百个)。多肽链的结合可以发挥多种功能。许多多亚基蛋白具有调节作用;小分子的结合可能会影响亚基之间的相互作用,导致蛋白质活性的巨大变化,以响应底物或调节分子浓度的微小变化。在其他情况下,单独的亚基承担单独但相关的功能,例如催化和调节。一些关联,例如在本章前面讨论的纤维蛋白和病毒外壳蛋白中看到的关联,主要发挥结构作用。一些非常大的蛋白质组装体是复杂的多步骤反应的场所。例如,每个核糖体(即蛋白质合成位点)都包含数十个蛋白质亚基以及 RNA 分子。
多肽类药物目前已经成为制药界和科学界重点关注的一类非常有前途的疾病治疗药物。目前,对于多肽毒性分析关注很少,基于安全性和监管目的,分析肽类毒性非常重要。随着候选肽数据的激增,以湿实验为手段的方法确定肽类毒性的实验耗时昂贵,随着数据的积累,很多课题组开发了区分有毒和无毒肽表征的机器学习算法。而这些方法大部分是基于序列表征,而忽略了结构和共进化的信息。整合这些信息可能能够对多肽类毒性预测提供更多帮助。为此Lesong Wei(日本Tsukuba大学)等人开发了一种深度学习方法ATSE,该方法能够很好地区分有毒和无毒肽,相应成果于近期发表在Briefings in Bioinformatics。对于结构信息,作者用图神经网络来逐层抓取多肽的分子图特征。至于共进化信息,作者整合了CNN和BiLSTM来学习高阶隐含的共进化特征。通过注意力机制,作者将这些共进化信息和结构信息进行对应整合。该方法在benchmark上表现出极好的预测效果,并且这些学到的特征能够很好地可视化和可解释化。此外作者还提供了一个webserver供用户分析使用(http://server.malab.cn/ATSE)。
学习复杂分子系统的隐性相互作用规则是AI药物发现的主要目标之一,也是最值得期待和急需的应用之一。
α-角蛋白、胶原蛋白和丝素蛋白很好地说明了蛋白质结构与生物功能之间的关系(表4-2)。纤维蛋白具有赋予其所在结构强度和/或灵活性的特性。在每种情况下,基本结构单元都是二级结构的简单重复元件。所有纤维蛋白均不溶于水,这一特性是由蛋白质内部及其表面的高浓度疏水性氨基酸残基赋予的。这些疏水表面大部分被掩埋,因为许多相似的多肽链堆积在一起形成复杂的超分子复合物。纤维蛋白潜在的结构简单性使其特别有助于阐明前面讨论的蛋白质结构的一些基本原理。
美国华盛顿大学的David Baker教授研究组的Parisa Hosseinzadeh开发了一种新型的基于结构从头设计环状多肽的通用方法,该方法利用了已知与感兴趣的靶表面结合的分子中的官能团作为锚,使用Rosetta软件中的广义运动闭环方法围绕该官能团构建环肽。成功设计出高活性的环肽结合剂。相关工作于2021年6月7日发表在Nature communications期刊上,名为“Anchor extension: a structure-guided approach to design cyclic peptides targeting enzyme active sites”。他们将这种设计方法命名为“anchor extension”。并使用该方法设计出针对组蛋白去乙酰化酶(HDAC2和HDAC6) 设计了IC50为9.1nM以及4.4nM的两个高活性环肽分子,相对原始的化合物分子活性提高了近1000倍。
今天给大家介绍南太平洋大学Wafaa Wardah等人在Journal of theoretical biology上发表的文章“Predictingprotein-peptide binding sites with a Deep Convolutional Neural Network”。蛋白质-多肽结合位点的预测在疾病预防和药物研发领域都具有举足轻重的地位,然而现有的预测方法在实际预测时并没有表现出非常好的效果,特别是在敏感度方面甚至还没有达到50%。作者在文章中提出了一种使用CNN框架处理“可视化”蛋白质特征数据来预测蛋白质-多肽结合位点的方法,作者创新性地引入“滑动窗口法”将初始蛋白质特征数据转换为可以“可视化”的矩阵信息,然后将其输入CNN框架进行训练,最后经过一个全连接网络输出预测结果,并且在CNN框架中还嵌入了贝叶斯优化的方法来处理超参数,使模型在测试集上取得了极好的效果。
2、多顺反子见于原核生物意指一个mRNA分子编码多个多肽链。这些多肽链对应的DNA片段则位于同一转录单位内,各自拥有起点和终点。
稳定性(Stability)是蛋白质保持其原生构象的趋势。天然蛋白质只具有较小的稳定性,即在生理条件下,典型蛋白质的折叠和展开状态的ΔG只有5至65 kJ/mol的范围。一个给定的多肽链理论上可以假定无数构象,因此,蛋白质的未折叠状态具有高度的构象熵。这种熵以及多肽链中许多基团与溶剂(水)之间的氢键相互作用,导致维持未折叠状态。化学相互作用可以抵消这些影响并稳定天然构象,包括二硫键(共价键)以及第二章中描述的弱(非共价)相互作用和力,如氢键、疏水效应和离子相互作用。
并非所有多肽都能形成稳定的α螺旋。多肽中的每个氨基酸残基都有形成α螺旋的内在倾向,这反映了R基团的性质以及它们如何影响相邻主链原子占据特征φ和ψ角的能力。在大多数实验模型体系中,丙氨酸表现出最大的形成α螺旋的倾向。
今天带来的是美国范德比尔特大学结构生物学中心的Alican Gulsevin等人的实验室发表在Structure上的Benchmarking AF2 on peptide structure prediction。
今天给大家介绍的是山东大学魏乐义教授课题组在分析化学领域顶级期刊Analytical Chemistry上发表的文章“PepFormer: End-to-End Transformer-Based Siamese Network to Predict and Enhance Peptide Detectability Based on Sequence Only”。多肽的可检测性在鸟枪蛋白质组学实验中至关重要。目前,虽然基于多肽序列组成或理化性质的预测多肽可检测性的计算方法有很多,但都存在诸多不足。在这篇论文中引入了PepFormer,一种新型的端到端孪生网络架构,它将Transformer和GRU组合在一起,能够仅基于肽序列预测肽的可检测性。特别地,论文首次采用对比学习的方法,构造了一个新的模型训练损失函数,大大提高了预测模型的泛化能力。比较结果表明,模型在两个物种(智人和小家鼠)的基准数据集上的表现明显优于最先进的方法。
血红蛋白(Mr 64,500;缩写Hb)大致为球形,直径约5.5 nm。它是一种四聚体蛋白,含有四个血红素辅基,每个多肽链一个辅基。成人血红蛋白含有两种珠蛋白:两条α链(每条141个残基)和两条β链(每条146个残基)。这两种亚基的三维结构彼此之间以及与肌红蛋白非常相似(图5-6),反映了它们在更大的珠蛋白超家族中的进化。然而,在α和β亚基的多肽序列中,只有不到一半的氨基酸残基是相同的,三个多肽中只有27个是相同的(图5-7)。肌红蛋白的螺旋命名惯例也适用于血红蛋白多肽,只是α亚基缺少短D螺旋。血红蛋白结合袋主要由每个亚基中的E和F螺旋组成。
今天给大家介绍山东大学魏乐义教授等人在Bioinformatics期刊上发表的文章“Predicting protein-peptide binding residues via interpretable deep learning”。识别蛋白质与多肽的结合位点对于了解蛋白质功能机制和探索药物发现至关重要。尽管前人已经提出了许多相关的计算方法来解决这一问题,但这些方法大都高度依赖第三方工具或信息进行特征提取与设计,容易导致计算效率低下、预测性能不高。为了解决这一问题,作者提出了PepBCL,这是一种新的基于BERT的对比学习框架,仅基于蛋白质序列预测蛋白质-多肽结合位点。PepBCL是一个独立于特征设计的端到端的预测模型,在基准数据集上显著优于许多SOTA方法。此外,作者团队还探讨了PepBCL中注意力机制对于蛋白质结合区域中结合位点周围残基序列特征的挖掘能力,从而对模型如何预测结合位点进行了一定的解释。最后,为了方便研究人员使用,作者团队还搭建了一个在线预测平台作为所提出的PepBCL的实现,其服务可以访问如下网址:https://server.wei-group.net/PepBCL/。
蛋白质的序列可以从编码它的基因序列中预测,这通常可以在基因组数据库中获得。质谱法也可以提供直接测序。传统蛋白质测序方案中使用的许多方法对于标记蛋白质或将其分解为用于功能和结构分析的部分仍然是有价值的。
两个氨基酸分子可以通过取代的酰胺键共价连接,称为肽键(peptide bond),以产生二肽。这种连接是通过去除水元素(脱水)形成的——一个氨基酸的α-羧基上的羟基部分和另一个氨基酸的α-氨基上的氢原子(图3-13)。结合的氨基酸被称为残基,是除去水元素后剩下的部分。肽键的形成是缩合反应(condensation reaction)的一个例子,缩合反应是活细胞中常见的一类反应。逆反应,即涉及水的键断裂,是水解裂解或水解(hydrolysis)的一个例子。在标准生化条件下,图3-13所示的反应平衡有利于二肽水解成氨基酸。为了使缩合反应在热力学上更有利,必须对羧基进行化学修饰或活化,以便更容易地消除羟基。本章稍后将概述解决这个问题的化学方法。
CY 为花菁 (Cyanine) 的缩写,经典的菁染料含有两个含氮杂环,分子内部含有由甲川基 (CH)n 组成的共轭链,n 可为奇数或偶数。吸光度和荧光波长可通过选择聚次甲基桥的长度来控制:越长的花菁素具有较高的吸光度和发射波长 (图 1 所示)。根据链中的碳原子数,菁类由甲川基被分为一甲基 (CY1,n=0)、三甲基 (CY3,n=1)、五甲基 (CY5,n=2) 和七甲基 (CY7,n=3)。
基因组序列主要构成成分是基因序列,重复序列和基因间序列。 基因组注释包括基因组结构注释和基因组功能注释 结构注释的核心是基因识别,为了提高基因识别效率需要首先寻找并标记去除 重复的和低复杂性的序列。
球状蛋白质的三级结构由其氨基酸序列决定。这方面最重要的证据来自实验,表明某些蛋白质的变性是可逆的。某些通过加热、极端pH或变性试剂变性的球状蛋白质,如果恢复到天然构象稳定的条件下,将恢复其天然结构和生物活性。这个过程被称为复性。
大肠杆菌产生3000多种不同的蛋白质;一个人有大约20000个基因,可以产生超过一百万种不同的蛋白质。在这两个物种中,每种类型的蛋白质都有一个独特的氨基酸序列,赋予特定的三维结构。这种结构又赋予了一种独特的功能。
近日,湖南大学史俊峰和曾湘祥课题组联合在《Advanced Science》上发表了题为“HydrogelFinder: A Foundation Model for Efficient Self‐Assembling Peptide Discovery Guided by Non-Peptidal Small Molecules”的研究论文,提出了一种全新的自组装肽发现基础模型——HydrogelFinder。该模型通过利用大量非肽小分子,智能搜索广阔的化学空间,实现了从零到一的自组装肽的高效设计和合成。
许多肽具有潜在的药理作用,其生产具有相当大的商业重要性。除了商业应用外,较大蛋白质的特定肽部分的合成是研究蛋白质结构和功能的越来越重要的工具。有三种方法可以获得肽:(1)从组织中纯化,这项任务通常因某些肽的低浓度而变得困难;(2) 基因工程(第9章);和(3)直接化学合成。强大的技术现在使直接化学合成在许多情况下成为一种有吸引力的选择。
A:1,rdkit+Knime;2,随便一个文本编辑器,打开,编辑就可以,用记事本打开 剪切出来-再粘贴到新文件就好了
今天给大家介绍的是中国科学院计算机研究所发表在Briefings in Bioinformatics上的一篇文章“pNovo 3: precise de novo peptide sequencing using a learning-to-rank ramework”。
Identifying anti-coronavirus peptides by incorporating different negative datasets and imbalanced learning strategies
1、氨基酸残基:组成多肽的氨基酸在相互结合时,由于其部分基团参与了肽键的形成而失去一分子水,因此把多肽中的氨基酸单位称为氨基酸残基。即由肽键链接的氨基酸失水部分。
在前面的几篇博客中,我们已经介绍了MindSponge的基本使用方法,比如定义一个分子系统、计算分子的单点能以及迭代器的使用等。有了这些基础的教程,用户以及可以执行一些比较简单的模拟任务,比如可以跑一个能量极小化,或者是NVT过程。
任何有关蛋白质功能的详细讨论都不可避免地涉及到蛋白质结构。肌红蛋白(Mr 16,700;缩写Mb)是由153个氨基酸残基和一个血红素分子组成的单一多肽(图 5-3)。蛋白质中约 78%的氨基酸残基位于球蛋白折叠的八个典型 α-螺旋中,分别命名为 A 至 H。
特征: 两部分, id行和序列行. - id行:以“>”开头, 有时候会包含注释信息,如 chr1、chr2 ... - 序列行:一个字母表示一个碱基/氨基酸,ATCGN 或 20种氨基酸
fastq:一种保存生物序列(通常为核酸序列)及其测序质量得分信息的文本格式。FASTQ文件中,一个序列通常由四行组成: • 第一行:以 @ 开头,之后为序列的标识符以及描述信息 • 第二行:为序列信息,如 ATCG • 第三行:以 + 开头,之后可以再次加上序列的标识及描述信息(保留行) • 第四行:为碱基质量值,与第二行的序列相对应,长度必须与第二行相同
缺氧作为实体瘤的标志,通过调节缺氧相关基因的表达,对抑制肿瘤生长、转移和耐药性具有指导意义。缺氧也代表了一种肿瘤特异性刺激,已被用于开发前体药物和相应的药物输送系统。细胞分裂周期基因20(CDC20)在肿瘤发生中起着癌基因的作用,已经证实了CDC20 mRNA在乳腺癌患者肿瘤与癌旁组织中的显著上调,并与肿瘤缺氧呈正相关。在此,哈佛大学医学院施进军、Omid C. Farokhzad和吉林大学生命科学学院滕乐生合作通过2-硝基咪唑修饰的多肽与类阳离子脂质化合物的自组装,制备了一种缺氧响应纳米粒(HRNP),用于携带针对乳腺癌治疗中与乏氧相关的促瘤基因CDC20的siRNA。HRNP介导的siCDC20靶向递送充分沉默了CDC20的表达,显示出较强的抗肿瘤作用。
本文是国内计算方法与软件开发系列推文的第二部分:分子力场与动力学模拟。 全原子分子力场 ● 北京大学的蒋帆、吴云东等近年来开发了一系列残基特异性力场(RSFF)。新力场能够更准确地模拟多肽和蛋白质体系。这一系列的RSFF力场借助GROMACS软件实现。 ● 孙淮(现上海交通大学)早年在美国期间开发了广泛使用的COMPASS力场。回国后,他与合作者发展了TEAM力场框架,在此框架下的某些力场在GROMACS软件中实现。孙淮还与国外的公司合作,开发了COMPASS II通用力场,可以用来模拟类药小分子和高分子等
Pauling和Corey意识到氢键在定向极性化学基团(如肽键的C=O和N-H基团)方面的重要性。他们还得到了William Astbury的实验结果,他在20世纪30年代对蛋白质进行了开创性的x射线研究。Astbury证明,构成毛发和豪猪羽毛的蛋白质(纤维蛋白α-角蛋白)具有规则的结构,每5.15至5.20Å重复一次。(埃,Å,以物理学家Anders J.Ångström的名字命名,等于0.1nm。虽然不是国际单位制,但结构生物学家普遍使用它来描述原子距离-它大约是一个典型的C-H键的长度。)有了这些信息和他们关于肽键的数据,并借助于精确构建的模型,Pauling和Corey着手确定蛋白质分子可能的构象。
领取专属 10元无门槛券
手把手带您无忧上云