الأبحاث المرتبطة بالكلمة المفتاحية: علم الأحياء الهيكلي
-
رؤى هيكلية حول نقل الكتل المعدنية في هيكل تجميع النيتروجيناز NifEN
2026 | المؤلف: Bryan C. Neumann وآخرون | المجلة: Nature Catalysis | المجال: الطاقة المتجددة والاستدامة والبيئة (Renewable Energy, Sustainability and the Environment)تقدم البحث دراسة باستخدام المجهر الإلكتروني بالتبريد (cryo-EM) لبروتين NifEN، وهو بروتين حاسم في تجميع عامل النيتروجيناز، حيث ينتقل من الكتلة السابقة L-cluster إلى الكتلة الناضجة M-cluster. تكشف التحليلات الهيكلية عن تغييرات شكلية كبيرة في NifEN عند دمج L-cluster، مما يبرز دوره كمركز ديناميكي ينسق استقبال وتطوير وتسليم L-cluster. تحدد الدراسة نفقًا يربط NifEN مع…
-
هياكل Cryo-EM لـ ClpXP البشري تكشف عن آليات التجميع والتفعيل البروتيني
2026 | المؤلف: Wenqian Chen وآخرون | المجلة: Nature Communications | المجال: علم الأحياء الجزيئي (Molecular Biology)يلعب مجمع ClpXP البشري (hClpXP) دورًا حاسمًا في التحكم في جودة البروتينات الميتوكوندرية من خلال تكسير البروتينات غير المطوية وغير الضرورية. تستخدم هذه الدراسة مجهر الإلكترون بالتبريد عالي الدقة (cryo-EM) لتوضيح مسار التجميع الكامل لـ hClpXP، كاشفة أن hClpP يوجد كهيبتامر حلقي مفرد في العزلة. تم تحديد مجمع التجميع الأولي حيث يتفاعل hClpX سداسي مع…
-
قياس الطيف الكتلي المرتبط بالبروتوليز المحدود يلتقط التغيرات الهيكلية للبروتينات على مستوى البروتيوم وتكثف الجزيئات الحيوية في الخلايا الحية
2026 | المؤلف: Franziska Elsässer وآخرون | المجلة: Molecular Systems Biology | المجال: التحليل الطيفي (Spectroscopy)في هذا القسم، يناقش المؤلفون تطوير التحليل الطيفي الكتلي المرتبط بالبروتوليز المحدود داخل الخلايا (LiP-MS) لدراسة هياكل البروتينات مباشرة داخل خلايا الإنسان الحية، متغلبين على قيود LiP-MS التقليدي الذي يتطلب تحلل الخلايا. تلتقط التقنية التغيرات الهيكلية الديناميكية في البروتينات بسبب التعديلات بعد الترجمة، والتفاعلات الجزيئية، والعوامل البيئية. من خلال تحسين إدخال بروتيناز K إلى الخلايا…
-
التصميم الحسابي لنظائر البروتينات الغشائية القابلة للذوبان والوظيفية
2024 | المؤلف: Casper A. Goverde وآخرون | المجلة: Nature | المجال: علم الأحياء الجزيئي (Molecular Biology)تقدم البحث نهجًا حسابيًا جديدًا يستخدم التعلم العميق، وبالتحديد AF2 seq-MPNN، لتصميم طيات البروتين المعقدة بكفاءة، بما في ذلك التسلسلات غير الطبيعية. يتميز هذا الإطار بمرونته وقابليته للتعميم، مما يلغي الحاجة إلى إعادة تدريب محددة للطيات أو قيود تصميم معقدة. نجح المؤلفون في هندسة عدة طيات بروتين صعبة، محققين معدلات نجاح تجريبية عالية للتصاميم القابلة…