1.简介

基于神经网络的人工智能（AI）程序AlphaFold（AF）（Jumper等。, 2021)和Rosetta­Fold（贝克等。, 2021)已经彻底改变了从序列预测蛋白质结构的领域。特别是，AF联盟已经制作并公开了一个预测蛋白质结构的数据库(https://alphafold.ebi.ac.uk网址)，首先用于整个UniProt精选蛋白质序列数据库（Tunyasuvunakool等。, 2021)以及最近的全基因组衍生蛋白质序列目录（UniProt Consortium，2021). 令人印象深刻的是，CASP14数据集中AF预测结构的平均值为Cα～1Ω的r.m.s.d.精度（跳线等。, 2021).

AF数据库已经对结构生物学产生了重大影响，预测的结构被用作解决晶体结构的模板[参见例如Flower&Hurley（2021）)，柴等。(2021)，麦考伊等。(2022)和Oeffner等。(2022)]，以帮助解释低温EM图[参见例如丰塔纳等。(2022)]，用于评估溶液中核磁共振结构的准确性[参见例如福勒和威廉姆森（2022)]并推断结构-功能关系[参见例如费拉里奥等。(2022)、Urban和Pompon（2022年)、阿克德尔等。(2022)和Heo等。(2022)]. 相反，AF结构通常具有低置信度或低精度的区域，实验信息有可能改进这些预测（特威利格等。, 2022).

虽然有许多AF预测结构具有令人印象深刻的精确度，但仍存在一些挑战。AF预测算法依赖于从广泛的结构目录中进行深度学习，尽管如此，这还是受到了世界蛋白质数据库中已解决的蛋白质结构集训练的限制(https://www.wwpdb.org; wwPDB联合会，2019). 然而，灵活性通常是蛋白质功能的一个必要方面，蛋白质宇宙中充满了由结构单元组成的多域蛋白质，这些结构单元具有可变长度的柔性连接子，限制了晶体学和低温EM研究。因此，我们看到有机会用实验技术来测试和补充AF预测，尤其是那些在核心设施中随时可用或可在专用大型基础设施上使用的技术。

最近的一篇论文（Brookes&Rocco，2022）)显示了源自前两个AF版本的数据库，其中对于每个预测结构圆二色性（CD）光谱、流体动力学参数、成对原子距离分布函数P（P）(第页)与第页[以下简称为P（P）(第页)]并存储辅助信息(https://somo.genapp.rocks/somoaf网站/). 根据UniProt注释，在计算之前，预测的起始序列和翻译后裂解的前肽从结构中删除。使用计算的流体动力学参数表明，在给定的分子质量区间内，这些参数可以有效区分结构，因此可以用于快速测试溶液中预测的构象（Brookes&Rocco，2022).

这个P（P）(第页)剖面，可以通过实验确定为小角度X射线散射（SAXS）数据的间接傅里叶变换（Glatter，1977）; 斯维尔贡等。, 1988)，对折叠单元的相对排列非常敏感，正如在多结构域测试蛋白中很好地证明的那样（Koch等。, 2003). 像这样的，P（P）(第页)是评估AF-预定结构的理想选择，该结构包含结构域之间潜在的柔性连接体，注意到解决方案SAXS实验报告了解决方案中存在的结构的时间和集合平均值。在之前的研究中（Brookes&Rocco，2022)从小角度散射生物数据库（SASBDB）（Valentini）中选择了一组解决方案SAXS数据等。, 2015;https://www.sasbdb.org)其中有一个相应的AF预测结构。虽然有几个例子表明AF与P（P）(第页)剖面图和SAXS数据得出的数据之间存在显著差异。在本研究中，我们再次在仔细评估SAXS剖面及其相关元数据的背景下考虑这些比较，以确保数据来自单分散粒子的溶液，不存在聚集和粒子间相关性，这是SAXS数据可靠的三维原子建模的基本要求。然后，对AF结构进行检查，以确定预测的非结构化和/或低置信区域，这些区域被指定为柔性段，以获得结构集合，从而更好地拟合SAXS数据。我们最初的集成建模侧重于在真实空间中拟合P（P）(第页)作为目标函数。这种方法方便了使用单体蒙特卡罗(多媒体卡)中的模拟工具SASSIE网站套房（柯蒂斯等。, 2012; 珀金斯等。, 2016) (https://sassie-web.chem.utk.edu/sassie2网站/). 中的评估互易空间(即也可以在合理的时间内使用CRYSOL公司（斯维尔贡等。, 1995). 然后，在互易空间使用物理上更先进但计算量更大的WAXSiS公司项目（Chen&Hub，2014; Knight&Hub，2015年) (https://waxsis.uni-saarland.de).

2.方法

通过识别US-SOMO-AF数据库中的结构来选择用于分析的初始数据集（Brookes&Rocco，2022)SASBDB中保存了相应的SAXS强度实验数据。强度曲线如下所示我(q个)与q个[以下简称为我(q个)，其中q个= (4π罪θ)/λ具有θ散射角的一半λ入射辐射的波长]。强制性要求包括，实验数据是在完整的单链结构上收集的，没有假体组，并且来自与相应AF结构相同的生物体（Brookes&Rocco，2022）)，这将初始SASBDB池限制为43个条目。

P（P）(第页)与有关我(q个)通过傅里叶变换和，作为有限的实验测量范围我(q个)禁止使用分析溶液，P（P）(第页)通常使用间接方法从SAXS数据计算，例如在程序中实现GNOM公司（斯维尔贡，1992年)或贝叶斯应用程序（拉森和佩德森，2021年). 两种方法都会产生P（P）(第页)使用蒙特卡罗模拟估计相关误差的剖面。然而，不同的是P（P）(第页)-生成方法从相同的开始产生非常不同的误差估计我(q个)它们的可靠性是一个悬而未决的问题。在本研究中P（P）(第页)根据SASBDB强度曲线计算出的剖面，用于与模型计算进行比较，并作为集合建模的目标GNOM公司在中实施PrimusQt/ATSAS 3.1（马纳拉斯塔斯-坎托斯等。, 2021)为了比较，贝叶斯应用程序实施于https://somo.chem.utk.edu/bayesapp.

对于具有相应SAXS的每个选定AF结构我(q个)剖面图中，利用单体蒙特卡罗(多媒体卡)的程序SASSIE网站（柯蒂斯等。, 2012; 珀金斯等。, 2016) (https://sassie-web.chem.utk.edu/sassie2网站/)其中，沿着蛋白质选定片段的主干二面体允许角度在连续的离散步骤中发生变化。除了灵活区域的残留范围和一些试验尝试外支持信息，默认值多媒体卡使用了参数。

多媒体卡通过目视检查AF结构的低置信度区域来选择柔性区域。多媒体卡拒绝具有空间位阻的结构，建议进行10000到50000次试验，以充分采样构象空间。从多媒体卡接受结构的池（“原始池”）我们通过从多媒体卡-使用生成的多结构PDB文件mdconvert（mdconvert）的程序MDTraj公司（1.9.4版；McGibbon等。, 2015)利用XSEDE（城镇等。, 2014)分配的Jetstream2（Hancock等。, 2021)云计算资源。在每种情况下R（右）_克将这个结构的最终子集的值与原始池的值进行比较，以确保它具有代表性。该代表性人才库在下文中简称为“人才库”

每个多结构PDB文件都由开源的流体动力学和SAS数据分析与仿真程序处理美国-索马里（Brookes&Rocco，2018）; 修订版6730+，https://somo.aucsolutions.com/)以批处理模式进行计算R（右）_克，已预测P（P）(第页)剖面（由样品分子量和1？bin大小归一化）和我(q个)使用生成的曲线CRYSOL公司（斯维尔贡等。, 1995). 这个P（P）(第页)剖面在干结构上计算为（布鲁克斯等。, 2013)

哪里b条_我和b条_j个是我和j个原子群，以及b条_0我和b条_0j个术语说明了溶剂散射密度。对于SAXS，b条_0我= 10 × (第页_我/第页_瓦)^三，其中10是水分子中的电子数，第页_我是我th原子和第页_瓦是体积水分子的半径（1.93Ω）。克罗内克三角洲δ(第页−第页_ij公司)应用于距离第页_ij公司原子中心之间我和j个每个箱子第页虽然在本实施方案中未考虑水化层的贡献P（P）(第页)经计算，其影响相对较小。测试比较P（P）(第页)根据起始干燥AF结构进行计算，并根据WAXSiS公司-生成我(q个)剖面图（见下文）表明全球模式向更短方向移动约1°第页值以及主要在振幅上的一些局部差异（数据未示出）。利用起始结构显式水合作用的方案需要大量计算（且未在美国-索马里). 此处使用的方法允许快速处理数千个结构物，作为初步筛选步骤，以生成一个合适结构物池，然后考虑水合作用的影响进行评估（见下文）。

对于本研究美国-索马里用于生成的批处理协议我(q个)使用了多达数千个结构的轮廓CRYSOL公司（版本2.8；Svergun等。, 1995)，其中25表示最大球面谐波数，18表示斐波那契网格阶数，0.335 e Au⁻³溶剂电子密度和0.02 e⁻³用于水化壳对比，使用相同的q个网格作为实验网格。在Q16543 AF结构的八核Intel core i7-4790 CPU/16 GB RAM工作站（Linux Ubuntu 16.04.7 LTS）上运行(M（M）_w个44 459 Da，378个残基）每100个结构需要～27和～424 s来计算P（P）(第页)有170个箱子和我(q个)带有q个网格分别为1869个点。最近的CRYSOL公司release（3.2版）可以选择使用不同的水合方案和假水珠，原则上，在处理呈现延伸非结构段的结构时应该更有效（Franke等。, 2017). 现在可以从中访问此版本美国-索马里并将在计划的下一个版本中提供给普通用户。作为检查，我们重复了所有我(q个)计算CRYSOL 3.2公司使用虚拟水珠选项，并将所得结果与CRYSOL 2.8型显示在支持信息（第S1节和表S2–S4），以及讨论如下所示。

GNOM公司 P（P）(第页)从实验数据中得出的曲线被自动重新固定到1Å步，在加载时插入误差GNOM公司 *.输出将文件归档到美国-索马里. TheNNLS公司（非负约束最小二乘）效用美国-索马里（布鲁克斯等。, 2016)然后用于拟合预测P（P）(第页)和我(q个)曲线与实验得出的曲线对应。NNLS公司优化最小化||阿克斯−b条||₂从属于x个≥0，其中A类是一个米 × n个矩阵，x个一个n个矢量和b条一个米矢量。当n个列，共列A类使用预测的配置文件和b条根据实验数据，该算法基于投影生成一个结果x个用零或正数填充的向量，表示相应预测剖面的分数（Lawson&Hanson，1995). 对的列数没有限制A类（预测轮廓的数量）但是，如果有足够多的列或包含溶液的预测轮廓是其他预测轮廓的正线性组合，不同的集合可以为||阿克斯−b条||₂在半空间上x个≥ 0.NNLS公司只产生一个这样的集合。该算法的投影集性质显然倾向于为解提供最少数量的预测。未对原始参考SAXS进行重新绑定我(q个)曲线，尽管它们在高采样率时明显过采样q个值。虽然这会导致人为降低χ²值作为一个良好的度量，这里我们不关心它们的绝对值，而只关心初始结构轮廓和NNLS公司-选定的复合材料。此外，由于需要对数重采样来有效地减少过采样，误差加权残差中的重要特征我(q个)实验和模型之间的曲线图将被抑制，例如表示域平均配置差异的振荡特征。

结构识别人NNLS公司作为对真实空间的贡献P（P）(第页)和往复空间我(q个)CRYSOL公司-基础曲线由计算量更大的程序进一步处理WAXSiS公司。此程序使用简短的显式溶剂分子动力学模拟构建包含该结构及其溶剂化壳的空间包络，同时用谐波势约束主链原子，以确保与输入结构没有构象偏差。排除固体散射的计算基于纯水模拟和SAXS我(q个)计算出的曲线说明了水合作用的贡献（Chen&Hub，2014; Knight&Hub，2015年).WAXSiS公司计算使用默认选项，但彻底收敛选择和使用实验选项除外我(q个)曲线定义q个产生预测值的范围和间隔我(q个)随后的曲线NNLS公司-适合实验我(q个)曲线依据美国-索马里.

均方根（r.m.s.）平均回转半径{[〈(R（右）_克)²〉]^1/2，以下简称为〈R（右）_克根据计算得到的R（右）_克每个干燥结构和来自几内亚的R（右）_克报告人WAXSiS公司，按其在NNLS公司安装（PDB和WAXSiS公司〈R（右）_克〉值见表2）。由于这两个数值总是非常接近，第4节引用了这两个值之间的平均值如下所示。

直接计算χ²对于P（P）(第页)NNLS公司拟合提出了一些问题，这些问题涉及到有限的点数以及在用作权重时相关误差的可靠性。此外，根据测量值评估模型拟合度也有优点我(q个)数据。因此，从WAXSiS公司-计算的我(q个)每个选定的多媒体卡结构，由来自P（P）(第页)NNLS公司产生了配合。生成的复合我(q个)然后根据原始数据对曲线进行缩放，得出χ²相同数据范围内的值以及与为另一个数据范围确定的点数相同的值NNLS公司然后可以进行有意义的比较。

图表使用原产地（6.0版；Microcal）或原始实验室2019b(https://www.originalab.com网站). 原子结构图是用UCSF奇美拉（版本1.15；Pettersen等。, 2004)使用“超光滑”带状表示，并使用奇美拉的月老。图形使用PaintShopPro公司（5.3版；JASC软件，现为Corel，https://www.paintshoppro.com).

3.使用相应的SAXS实验数据选择AF靶向结构，并评估SAXS数据质量

SAXS数据集的初步定性调查，以及满足上述详细要求的相应AF预测结构（见第2节)揭示了AF和SAXS衍生的三个候选者P（P）(第页)值有显著差异：AF-Q16543、AF-Q06187和AF-Q9UKA9，与相应的SAXS数据SASDBP9（Bunney等。, 2018)，SASDF83（杜阿尔特等。, 2020)和SASDM77（辛普森等。, 2004)，分别为（图1). 在每种情况下，AF预测结构中都有扩展的低置信区域，这可能意味着灵活性。在确定了这三个可能需要修改才能正确表示解决方案状态的候选结构后，我们继续评估SAXS数据的质量及其建模的适用性。

图1 每个选定AF指定结构的色带表示，根据增加的可信度从红色到蓝色进行颜色编码。(一)问题16543(智人Hsp90共同伴侣Cdc37，残基1–378）。(b条)Q06187问题(智人布鲁顿酪氨酸激酶，成熟蛋白残基2-659）。(c（c）)Q9UKA9问题(智人多嘧啶束结合蛋白2，残基1-531）。插图显示了P（P）(第页)根据干结构计算的剖面，以及从SASBDB检索的SAXS衍生剖面（分别为红线和黑线）。中显示的比例尺(b条)也适用于其他面板。

来自具有高度灵活性的蛋白质的SAXS溶液数据提出了几个挑战。首先，与折叠结构相比，它们更容易受到小程度聚集的影响，因此非常希望使用内联收集的数据尺寸排除色谱法（SEC–SAXS）。第二，选择d日_最大值对于P（P）(第页)转型具有挑战性，因为P（P）(第页)从一系列结构中d日_最大值值通常会产生aP（P）(第页)接近d日_最大值尾巴很长，强度很低，但误差很大，这对R（右）_克根据P（P）(第页). 第三，根据散射不变量确定多孔体体积时，假设目标散射密度均匀，与溶剂界面尖锐。虽然对于紧凑的全结构蛋白质来说，这是一个有争议的有效近似值，但对于柔性结构来说，这几乎不相关。

对于每个候选SAXS数据集，SAXS衍生的分子量(M（M）^出口)与根据化学成分计算的质量相符(M（M）^计算)（表1)，尽管我们注意到用于确定M（M）^出口（见表1脚注). 检查P（P）(第页)SASBDB中针对每个数据集的转换显示d日_最大值没有生成P（P）(第页)预期逐渐接近近水平切线的剖面d日_最大值; 相反，SASDM77有一个最严重的急剧截止。因此，我们重新计算了P（P）(第页)变换使用GNOM公司采用标准化方法d日_最大值选择：d日_最大值被选中，从而释放约束P（P）(第页)=0时d日_最大值没有导致P（P）(第页)长期强度第页.结果P（P）(第页)外形都显示出预期的形状第页，但由于第页方法d日_最大值.P（P）(第页)使用获得的轮廓贝叶斯应用程序产生了类似的配置文件R（右）_克值，但具有d日_最大值值缩短了8–20°。因此，在选择d日_最大值对于这些结构。平均而言，吉尼亚衍生R（右）_克值比从P（P）(第页)，SASDM77除外，其差值为～4º，但此处的误差P（P）(第页)R（右）_克是其他数据集的四倍多。这个P（P）(第页)根据GNOM公司总质量估计值（0.72–0.79）。这个χ²的值P（P）(第页)拟合范围为1.03–1.15，可接受CorMAP公司 P（P）值（Franke等。, 2015)，SASDF83除外(χ²1.35,P（P）值0.0003）（表1). 误差加权残差图P（P）(第页)然而，SASDF83的拟合是平坦且无特征的，偏差主要在±3范围内。备选方案d日_最大值值导致此数据集的拟合参数较差，并且范围很窄q个造成低谷的地区P（P）值（0.134–0.139º⁻¹). 因此，我们得出结论GNOM公司-派生的P（P）(第页)适合实验是可以接受的。

表1 从SAXS数据派生的参数 SASBDB ID、AF结构ID M（M）计算（千Da） M（M）出口（千Da） 吉尼尔R（右）克(Å) 最大值qR（质量风险）克 P（P）(第页)R（右）克(Å)† d日最大值(Å)† P（P）(第页)适合：χ2‡ P（P）(第页)适合：P（P）价值‡ SASDBP9，Q16543 44 49§ 40.9 ± 0.5 1 42.4 ± 0.3 170 1.03 0.155 SASDF83，Q06187 77 67¶ 41.4 ± 0.4 1 43.8 ± 0.3 176 1.35 0.0003 SASDM77、Q9UKA9 57 60†† 39.1 ± 0.9 1.3 43.9 ± 1.1 170 1.11 0.95 †值用于GNOM公司-派生的P（P）(第页). 使用贝叶斯应用程序-计算的P（P）(第页)不输入d日最大值值为R（右）克41.8、43.5和45.2，以及d日最大值SASDBP9、SASDF83和SASDM77分别为152、152和162。 ‡χ2和P（P）使用数据比较的工具PrimusQt公司（马纳拉斯塔斯-坎托斯等。, 2021). §来自我（0）相对于标准牛血清白蛋白（BSA）。 ¶来自贝叶斯推断。 ††来自达明包络体积，未指定换算系数。

最后，给出最大维结构的精确表征d日_最大值，必须有足够的样本我(q个)在吉尼亚政权和q个_最小值应该是<π/d日_最大值.实验q个_最小值SASDBP9和SASDF83的值为2.48×10⁻³和8.16×10⁻³ Å⁻¹分别为。吉尼亚地区分别有95个和64个数据点，注意到对于SASDBP9，前25个数据点被排除在吉尼亚分析之外，这是因为寄生散射或一些大颗粒污染物的上升表明其水平足够低，不会影响SAXS衍生的分子质量。对于SASDM77，q个_最小值只有1.41×10⁻² Å⁻¹吉尼亚地区只有17个数据点。因此，虽然SASDBP9和SASDF83满足了表征350-400º结构的最低要求，但SASDM77的极限值为220º，更接近于实验推导的极限值P（P）(第页)d日_最大值值范围（170–176º）。

总之，虽然我们确定的SAXS数据表明AF预测结构需要进行一些修改以表示溶液构象，但这些数据并不是在首选的SEC–SAXS模式下收集的，我们可以得出结论，根据2017年生物分子小角散射指南（Trewella等。, 2017).

4.SAXS数据建模

简而言之，我们的总体建模方法首先对预测的房颤结构进行定量评估我(q个)和P（P）(第页)对其各自的实验SAXS配置文件没有修改的配置文件；χ²使用以下公式计算每个AF结构的值WAXSiS公司-生成我(q个)按实验缩放的配置文件，以及Guinier和P（P）(第页)-对推导的结构参数进行了比较。对于这些比较，以及所有建模P（P）(第页)作为目标函数，实验推导出P（P）(第页)使用标准化方法重新计算d日_最大值使用了选择目标。考虑到观察到的差异以及AF结构的低置信预测区域，通过使用多媒体卡使用潜在的灵活序列段生成潜在结构的池（“原始池”），从中选择代表子集（“池”）。集成建模首先使用NNLS公司用这个结构池来优化与实验推导的P（P）(第页)，没有或有间接傅里叶变换中产生的误差。为了评估在倒易空间，合奏我(q个)通过求和计算剖面WAXSiS公司-生成我(q个)每个集合中单个构象的轮廓，由NNLS公司-报告分数。比较通过优化拟合获得的结果P（P）(第页)直接拟合得到的互易空间相对于测量值我(q个),NNLS公司优化也从相同的开始多媒体卡潜在结构池P（P）(第页)配件，但使用CRYSOL 2.8型-预测生成的个人我(q个)配置文件。最后，WAXSiS公司用于计算我(q个)集合中存在的所有构象的轮廓符合P（P）(第页)或我(q个)，这些都受到NNLS公司针对实验的优化我(q个)配置文件。

4.1. AF-Q16543预测结构和SASDBP9数据

AF-Q16543结构[图1(一)]由两个折叠域组成，由跨越残基121–139的非结构化连接子连接，AF平均预测置信水平（APCL）为66±14%。还有一个长的非结构化C末端尾部（残基343–378），APCL为35±10%。这个P（P）(第页)AF结构的计算结果与SASDBP9的SASBDB中沉积的结果有很大不同[见图1(一)，插图]。AF-Q16543P（P）(第页)有一个双峰和一个肩部，表明多个折叠区域的配置平均相对受限。SAXS衍生P（P）(第页)有一个带肩部的单峰，延伸的尾巴靠近d日_最大值与AF计算值类似的值，表明紧凑型结构到高度扩展型结构的广泛分布，向更紧凑型结构加权，与溶液中的柔性连接体和潜在的柔性C末端区域一致。高点χ²值（19.044）[表2(一)]在计算的我(q个)AF结构和实验我(q个)缩放后[图2(一)]表明AF预测结构和解决方案状态之间存在重大差异。实验与预测误差加权残差图中的大振荡我(q个)[图2(b条)]（-12至16）表明差异非常显著。

表2 模型拟合参数（χ2)和平均结构参数R（右）克〉,WAXSiS公司〈R（右）克〉,P（P）(第页) 〈d日最大值〉，和P（P）(第页)最大值d日最大值以及他们的贡献百分比]NNLS公司整体贴合 〈R（右）克\9002；代表均方根平均回转半径[\9001(R（右）克)2〉]1/2（见第2节,方法). Expt.是实验的缩写，conf是构象的缩写。 (一)适用于基于AF-Q16543的SASDBP9，NNLS公司适用于柔性连接器（序列段121–139和343–378）。 Fit方法 WAXSiS公司,我(q个)，已缩放 NNLS公司，出口。P（P）(第页)目标 NNLS公司，出口。我(q个)目标 NNLS公司，出口。我(q个)目标     多媒体卡水塘P（P）(第页)     构筑物水池 AF-Q16543 无误差加权 误差加权 多媒体卡水池[CRYSOL 2.8型 我(q个)] 全部NNLS公司所选配置[WAXSiS公司 我(q个)] 拟合参数(χ2) 19.044 1.399† 2.065† 1.602 1.228   PDB〈R（右）克〉 (Å) 41.7 38.6 39.2 40.8 WAXSiS公司〈R（右）克〉 (Å) 41.5 38.5 39.1 39.3 P（P）(第页) 〈d日最大值〉 (Å) 157.1 139.4 146 150.1 P（P）(第页)最大值d日最大值(Å) 201 (14%) 158 (8%) 185 (23%) 187 (6%) (b条)适用于基于AF-Q06187的SASDF83，NNLS公司与柔性连接器配合（序列段170–210）。 Fit方法 WAXSiS公司 我(q个)，已缩放 NNLS公司，出口。P（P）(第页)目标 NNLS公司，出口。我(q个)目标 NNLS公司，出口。我(q个)目标     多媒体卡水塘P（P）(第页)     构筑物水池 AF-Q06187 无误差加权 误差加权 多媒体卡水池[CRYSOL 2.8型 我(q个)] 全部NNLS公司所选配置[WAXSiS公司 我(q个)] 拟合参数(χ2) 31.250 1.997† 2.716† 1.673 1.763   PDB〈R（右）克〉 (Å) 40.7 42.7 42.3 41.1 WAXSiS公司〈R（右）克〉 (Å) 40.6 42.4 42 41 P（P）(第页) 〈d日最大值〉 (Å) 133.1 138.7 136.4 132.1 P（P）(第页)最大值d日最大值(Å) 165 (15%) 184 (4%) 187 (2%) 178 (6%) (c（c）)适用于基于AF-Q9UKA9的SASDM77，NNLS公司适用于柔性连接器（序列段1-54和273-336）。 Fit方法 WAXSiS公司,我(q个)，已缩放 NNLS公司，出口。P（P）(第页)目标 NNLS公司，出口。我(q个)目标 NNLS公司，出口。我(q个)目标     多媒体卡水塘P（P）(第页)     构筑物水池 AF-Q9UKA9 无误差加权 误差加权 多媒体卡水池[CRYSOL 2.8型 我(q个)] 全部NNLS公司所选配置[WAXSiS公司 我(q个)] 拟合参数(χ2) 3.674 1.279† 1.493† 1.208 1.179   PDB〈R（右）克〉 (Å) 43.8 40.4 52.2 48.4 WAXSiS公司〈R（右）克〉 (Å) 43.7 40.5 52 48.4 P（P）(第页) 〈d日最大值〉 (Å) 152.8 143.8 162.9 152.8 P（P）(第页)最大值d日最大值(Å) 192 (4%) 168 (10%) 243 (8%) 243 (5%) †χ2对于P（P）(第页)NNLS公司通过计算我(q个)每个选定的多媒体卡结构使用WAXSiS公司，然后使用NNLS公司适合。产生的结果我(q个)然后根据原始数据缩放曲线。

图2 (一)我(q个)与q个用于覆盖AF-Q16543配合的SASDBP9（带标准误差条的黑色符号）WAXSiS公司-计算的SAXS配置文件（红线）和NNLS公司从CRYSOL 2.8型-计算的SAXS配置文件多媒体卡水池结构（紫线）。(b条)面板中所示配合的误差加权残差图(一). (c（c）)和(d日)GNOM公司-派生的P（P）(第页)外形（黑色符号，无/带标准误差条）与AF-Q16543预测的外形（红线）重叠NNLS公司从P（P）(第页)根据计算多媒体卡分别没有错误权重和有错误权重的池（蓝色和橙色线）。(e（电子）)我(q个)与q个对于SASDBP9（带有标准错误条的黑色符号），覆盖NNLS公司使用WAXSiS公司-生成我(q个)与q个所有配置文件NNLS公司-从中选择的结构CRYSOL 2.8型和P（P）(第页)适合（品红色线条）。在插图中，四个具有代表性的结构被选中，其中至少有两个具有显著的百分比NNLS公司在1–120 N末端残基上叠加后，显示了拟合[见表2(一)以获得完全拟合结果]。(（f）)面板中显示的拟合误差加权残差图(e（电子）).

4.1.1. 集成建模与P（P）(第页)作为目标函数

这个多媒体卡该方案用于通过允许序列片段121–139和343–378的二面角变化来生成AF-Q16543的潜在溶液构象库（运行摘要见表S1). 原始池包括15661个结构，其中1740个具有代表性的结构（九分之一）构成了NNLS公司找到与实验推导的最佳拟合的工具P（P）(第页). 目视检查P（P）(第页)无误差配合[图2(c（c）)]显示出良好的定性一致性。产生的结果χ²1.399的值[表2(一)]对于复合材料WAXSiS公司-计算的我(q个)与未修改的结构相比，对实验数据的拟合程度提高了一个数量级以上。此外，〈R（右）_克41.6º的〉与SAXS推导值非常一致[表1和2(一)]. 这个P（P）(第页)最大值d日_最大值值在实验的不确定度范围内P（P）(第页)d日_最大值，结构的人口重量最长d日_最大值14%。相当短的d日_最大值〉与实验相比P（P）(第页)d日_最大值反映了d日_最大值所选结构之间的值。相比之下NNLS公司采用误差加权进行拟合[图2(d日)]明显未充分利用具有d日_最大值长期价值观-第页范围，其中实验推导出P（P）(第页)有最大的错误。值得注意的是χ²值显著较高（2.065）R（右）_克〉和最大值d日_最大值这些值都低于实验得出的值，甚至更短d日_最大值〉[表2(一)]. 这些结果质疑了P（P）(第页)-此协议中的相关错误。

对〈的贡献百分比直方图R（右）_克〉中的单个结构P（P）(第页)NNLS公司配合[图3(一)和3(b条)]显示具有R（右）_克36Ω分别占无误差加权和有误差加权的集合总体的～41和～62%（另见表S2). 根据上述分析R（右）_克在没有误差加权的情况下获得的值偏向更高的值[图3(一)]. 这两个实验衍生的吉尼尔和P（P）(第页)R（右）_克值接近具有中间值的贡献结构簇R（右）_克值，而AF结构的值接近一个由最扩展的值组成的小簇，尽管贡献率很低，但这些值在通过误差加权获得的集合中完全缺失。个人检查P（P）(第页)出资结构及其对NNLS公司无误差加权和有误差加权的拟合[图S1(一)和S1(b条)]揭示了P（P）(第页)概要文件可以分为五类和四类。这个P（P）(第页)在N端25-110序列上叠加后，对每个结构的带状表示观察到的类似聚类支持形状聚类[图S1(c（c）)和S1(d日)].

图3 直方图R（右）克值及其对由NNLS公司适合(一)–(d日)SASDBP9/Q16543(（f）)–(我)SASDF83/Q06187和(k个)–(n个)SASDM77/Q9UKA9系统。(一), (（f）)和(k个)P（P）(第页)NNLS公司在没有误差加权的情况下进行拟合。(b条), (克)和(我)P（P）(第页)NNLS公司适合误差加权。(c（c）), (小时)和(米)CRYSOL公司 NNLS公司适合。(d日), (我)和(n个)WAXSiS公司 NNLS公司适合所有其他方法选择的结构。在所有直方图面板中，蓝色和红色的倒三角形表示R（右）克从吉尼亚和GNOM公司 P（P）(第页)分别对实验数据进行分析，而深青色倒三角形表示R（右）克开始AF结构的。(e（电子）), (j个)和(o个)分配R（右）克原始结构的值多媒体卡池（实心黑线）和子选定的多媒体卡用于NNLS公司适合的。(e（电子）)问题16543(j个)Q06187和(o个)问题9UKA9。

4.1.2. 集成建模与我(q个)作为目标函数

使用获得的系综模型NNLS公司具有CRYSOL公司-计算的我(q个)相同的配置文件多媒体卡构筑物池P（P）(第页)配合产生了我(q个)轮廓拟合[图2(一)和2(b条)]其质量可与P（P）(第页)无误差加权的拟合，尽管稍微高一些χ²值[1.602，表2(一)]. 〈R（右）_克〉值比实验得出的值低～6%，最大值d日_最大值值（23%的贡献）比GNOM公司-派生的P（P）(第页)，带有〈d日_最大值〉介于P（P）(第页)NNLS公司配合[表1和2(一)]. 对应的直方图R（右）_克值[图3(c（c）)]显示了对更紧凑结构的偏好，与从P（P）(第页)用误差加权进行拟合。三个结构具有R（右）_克36–43º范围内的值占现有结构的约92%以上，其中一个（约22%）接近实验推导的值R（右）_克值。

最后NNLS公司适合任何一种P（P）(第页)或我(q个)作为目标，再加上起始AF预测结构（共22个结构），作为一个集合进行计算WAXSiS公司 我(q个)配置文件用于NNLS公司符合SASDBP9我(q个)[图2(e（电子）)和2(（f）)]. 这个计算得出的结果是最低的χ²值[1.228，表2(一)]和〈d日_最大值〉和最大值d日_最大值值与NNLS公司适合CRYSOL公司-生成我(q个)配置文件较大多媒体卡池，而R（右）_克？值更接近于通过NNLS公司配合P（P）(第页)无误差加权。相应的R（右）_克分布直方图[图3(d日)]显示了两个主要集群R（右）_克值在36-38和40-43Ω范围内，分别占结构的～49和～36%，后者包括实验推导的R（右）_克值（见表1). 与使用CRYSOL公司，选择了两个更长的结构，贡献了约15%。此外，最初的AF预定结构，两人都没有选择P（P）(第页)-基础配合或CRYSOL公司适合，为WAXSiS公司-基于NNLS公司配合(表S2).

为了完整性，将SASDBP9实验剖面与CRYSOL公司-和WAXSiS公司-生成的个人我(q个)所选结构的剖面及其贡献百分比如所示图S2(一)和S2(b条)分别为。它们伴随着根据P（P）(第页)-派生类[图S2(c（c）)]，一个单独的额外单一结构对CRYSOL公司和WAXSiS公司 NNLS公司分别适合。

最后，所有NNLS公司配合[插入图2中(e（电子）)]所有人都有R（右）_克值在36–42°范围内，对应于多媒体卡设置在的下端R（右）_克分布，如图3所示(e（电子）)这也突出了原始整体之间的良好对应性多媒体卡池和用于NNLS公司适合。总的来说，我们的分析表明，该蛋白采用了比AF-Q16543起始结构更为紧凑的构象。

4.2. AF预测结构Q06187和SASDF83数据

AF-Q06187的结构[图1(b条)]包括N末端折叠结构域（残基1–169），该结构域由基本上非结构化的连接物（残基170–210，APCL 36±5%）连接到更大的折叠C末端结构域（残留211–659）。虽然没有观察到真实的接触界面，但两个域的部分在空间上看起来很接近。实验得出的P（P）(第页)从SASDF83条目中检索到的数据比为结构计算的数据要大得多（从～60到70º）[参见图1中的插图(b条)]. 对于AF-Q16543/SASDBP9病例WAXSiS公司-生成我(q个)剖面与实验曲线拟合得很差[图4(一);χ²=31.25，表2(b条)]和振荡误差加权残差图（−14至18）[图4(b条)]. 这些观察结果强烈表明，序列片段170–210可能是一个灵活的连接体，并且这两个域在溶液中的分离程度平均高于AF靶向结构。

图4 (一)我(q个)与q个SAXS数据取自SASDF83（带有标准误差条的黑色符号），与AF-Q06187的拟合覆盖WAXSiS公司-计算的SAXS配置文件（红线）和NNLS公司从CRYSOL 2.8型-上计算的SAXS配置文件多媒体卡水池结构（紫线）。(b条)面板中所示配合的误差加权残差图(一). (c（c）)和(d日)GNOM公司-派生的P（P）(第页)SAXS数据中的轮廓（无/带标准误差条的黑色符号）与AF-Q06187预测中的轮廓重叠（红线），并与NNLS公司合身款P（P）(第页)根据计算多媒体卡分别没有错误权重和有错误权重的池结构（蓝色和橙色线）。(e（电子）)我(q个)与q个SAXS数据取自SASDF83（带有标准误差条的黑色符号），覆盖NNLS公司使用WAXSiS公司-生成我(q个)与q个所有配置文件NNLS公司-从中选择的结构CRYSOL 2.8型和P（P）(第页)适合（品红色线条）。在插图中，四个具有代表性的结构被选中，其中至少有两个具有显著的百分比NNLS公司在213–659个C端子残留物上叠加后，显示了配合[见表2(b条)以获得完全拟合结果]。(（f）)面板中显示的拟合误差加权残差图(e（电子）).

4.2.1. 集成建模与P（P）(第页)作为目标函数

使用多媒体卡协议中允许170–210连接器中的二面角变化，从中选择972个（每15个选择一个；运行摘要见表S1)作为输入到NNLS公司用于找到SASDF83最佳匹配的工具GNOM公司-派生的P（P）(第页). 在没有误差加权和有误差加权的情况下进行计算[图4(c（c）)和4(d日)]。对于AF-Q16543，目视检查表明NNLS公司拟合产生了更好的一致性，误差加权导致了更差的拟合，如χ²对应的值WAXSiS公司-基复合材料我(q个)符合实验数据[1.997和2.716，分别见表2(b条)]. 然而，在这两种情况下，与未修改的结构和R（右）_克〉值与吉尼亚和P（P）(第页)-衍生实验R（右）_克值[表1和2(b条)]. 此外P（P）(第页)-导出的最长d日_最大值数值显示了与实验值的偏差[表1和2(b条)]与AF-Q16543相似，但d日_最大值〉值比实验值短得多P（P）(第页)d日_最大值，表明所选结构向池内更紧凑的结构聚集。事实上，对〈贡献百分比的直方图R（右）_克〉中的单个结构P（P）(第页)NNLS公司配合[图3(（f）)和3(克)]显示带有的群集R（右）_克值为32–36º（合计占贡献的53和55%），接近初始AF结构的值，其中一个结构被两个匹配（有或无错误）大量选择（另请参见表S3). 带有R（右）_克值与GNOM公司-派生的P（P）(第页)仅由选定NNLS公司无误差拟合，贡献率31%。尽管视觉效果较差，但时间较长第页的值NNLS公司 P（P）(第页)考虑到误差，它选择了较大的结构R（右）_克值，尽管与没有误差加权的计算相比具有相对较小的百分比贡献。

个人P（P）(第页)两者选择的结构组合的贡献和全局视图NNLS公司配合(图S3)显示类似的P（P）(第页)两个计算之间的聚类，有三个明确的类，其中一个可以通过N端域的不同方向分为两个，而N端域在P（P）(第页)NNLS公司用误差加权进行拟合。

4.2.2. 集成建模与我(q个)作为目标函数

实验我(q个)对于SASDF83，包含1284个非均匀数据点q个间距(Δq个):Δq个为4.696×10⁻⁴ Å⁻¹对于q个在[0.8164，2.648]×10范围内⁻² Å⁻¹，然后Δq个具有2.3×10范围内的可变步长⁻⁶至4.696×10⁻⁴ Å⁻¹高达q个= 0.14398 Å⁻¹然后是制服Δq个= 4.713 × 10⁻⁴ Å⁻¹到q个_最大值= 0.49462 Å⁻¹. The美国-索马里 CRYSOL公司生成的实现我(q个)每个结构的纵断面多媒体卡使用固定网格间距4.696×10的水池⁻⁴ Å⁻¹，产量1038我(q个)插值点以匹配1284个点的实验数据NNLS公司SASDF83的安装程序我(q个)作为目标。由此产生的集成模型对实验数据的拟合度显著提高[图4(一)和4(b条)]带有χ²共1.673页[表2(b条)]. 〈R（右）_克〉值在实验误差范围内等于吉尼尔推导值，介于P（P）(第页)NNLS公司配合[表1和2(b条)]. 的直方图R（右）_克所选结构的分布[图3(小时)]与从P（P）(第页)NNLS公司采用误差加权进行拟合，聚类在32–36°之间，约占贡献的60%。〈d日_最大值〉类似于P（P）(第页)NNLS公司值和最大值d日_最大值在不确定性范围内GNOM公司-根据实验数据得出的值，最延伸的结构的贡献率很低（2%）[表1和2(b条)].

这个WAXSiS公司-生成我(q个)从为任何NNLS公司然后，将配合加上AF指定的起始结构（共21个结构）用作NNLS公司安装在SASDF83上我(q个)剖面图[图4(e（电子）)和4(（f）)]. 这个χ²该拟合的值为1.763，略低于仅使用CRYSOL公司-生成我(q个)配置文件多媒体卡游泳池。〈R（右）_克〉与吉尼尔衍生值〈几乎相同d日_最大值〉与所有其他配合和最长结构相似d日_最大值（6%的贡献）与实验得出的值非常相似[表1和2(b条)]. 直方图R（右）_克选定结构的值[图3(我)]显示了两个主要的峰值，分别在34和46℃，贡献率分别为46%和34%，反映出与AF起始结构（未选择）相比，更多扩展构象的显著群体表S3).

SASDF83实验剖面上覆盖了CRYSOL公司-和WAXSiS公司-生成的个人我(q个)选定结构的剖面及其在中的贡献百分比图S4(一)和S4(b条)分别随附相应的结构，作为根据P（P）(第页)-派生类[图S4(c（c）)，方向与中相同图S3(c（c）)和S3(d日)]. 这里是一个额外的紧凑结构，具有类似的R（右）_克中存在的第二个紧类的值图S3(c（c）)但N端结构域的不同方向被CRYSOL公司 NNLS公司适合（～33%），也存在于WAXSiS公司适合（～6%）。在中具有单独结构的中间类图S3(c（c）)在我(q个)配合[图S4(c（c）)]，更扩展的结构类也是如此。

所有结构贡献率最高的四个结构NNLS公司在C端子218–659序列上叠加后，配合显示为带状表示[图4(e（电子）)，插图]。最高比例的R（右）_克值都位于多媒体卡-生成的结构R（右）_克分布（＜48Å），在较高范围（48–62Å）内贡献较小，如图所示。3(j个)，再次突出了原始整体之间的良好对应性多媒体卡池和用于NNLS公司适合。总的来说，我们的分析表明，该蛋白在溶液中呈现出一系列构象，平均来说，这些构象比最初的AF靶向结构要大得多。

4.3. AF-Q9UKA9预测结构和SASDM77数据

AF-Q9UKA9的结构[图1(c（c）)]由两个小的N末端折叠区域（残基58–159和177–272）组成，由一个相对较短的预测非结构化片段（APCL 35±4%）连接，并由一个较长的预测非结构片段（残基273–336，APCL 42±4%）链接13%）到C末端结构域（残基337-531），其中两个子结构域之间似乎有一个定义的界面。在N末端也有一个长期预测的非结构化片段（残基1-57，APCL 36±4%）。对于AF-Q06187案例，实验得出P（P）(第页)从SASDM77条目中检索到的数据比为结构计算的数据更为扩展[参见图1中的插图(c（c）)]尽管程度较低（约20º）。从图5(一)很明显WAXSiS公司-生成我(q个)虽然相对较低χ²值（3.674），这部分反映了与其他两个示例相比，此数据集中的统计误差更大。值得注意的是，误差加权残差图（−5到8）中存在明显的振荡，这在中间阶段最为明显q个范围，～0.04至～0.15º⁻¹[图5(b条)]. 这些观察结果表明，一些潜在的非结构化区域在解决方案中可能是灵活的，从而导致域之间的空间配置可变。

图5 (一)我(q个)与q个SAXS数据取自SASDM77（带标准误差条的黑色符号），覆盖AF-Q9UKA9的拟合WAXSiS公司-计算的SAXS配置文件（红线）和NNLS公司从CRYSOL 2.8型-上计算的SAXS配置文件多媒体卡水池结构（紫线）。(b条)面板中所示配合的误差加权残差图(一). (c（c）)和(d日)GNOM公司-派生的P（P）(第页)SAXS数据的剖面（带标准误差条的黑色符号）与AF-Q9UKA9预测的剖面（红线）重叠，并与NNLS公司整体合身P（P）(第页)根据计算多媒体卡分别没有错误权重和有错误权重的池结构（蓝色和橙色线）。(e（电子）)我(q个)与q个从SASDM77（带有标准错误条的黑色符号）获取的SAXS数据覆盖NNLS公司使用WAXSiS公司-生成我(q个)与q个所有配置文件NNLS公司-从中选择的结构CRYSOL 2.8型和P（P）(第页)适合（品红色线条）。在插图中，四个具有代表性的结构被选中，其中至少有两个具有显著的百分比NNLS公司在叠加63–270个N末端残基后，显示了拟合[见表2(c（c）)以获得完全拟合结果]。(（f）)面板中显示的拟合误差加权残差图(e（电子）).

4.3.1. 集成建模与P（P）(第页)作为目标函数

第一次测试是用多媒体卡其中仅允许N末端1–57段具有灵活性，但这导致P（P）(第页)无法解释与实验观察到的差异的分布（数据未显示）。然后我们加入了多媒体卡运行预测的非结构化连接子（残数273–336）和N末端1–57片段，选择不添加潜在的额外短低置信序列片段（残数160–176）以限制自由度在建模中。这个多媒体卡让两个序列片段的二面角发生变化的运行产生了17284个构象，从中选择了1728个构象（每十个构象中有一个；运行摘要见表S1)对于NNLS公司安装到SASDM77衍生P（P）(第页). 视觉效果良好NNLS公司得到了无误差加权和有误差加权的拟合结果[图5(c（c）)和5(d日)]. 如其他两个示例所示，在没有误差加权的情况下获得了更好的拟合，最明显的是长尾第页其中P（P）(第页)误差最大。这个χ²与测量值的配合值我(q个)的WAXSiS公司-生成的复合物我(q个)所有选定结构的剖面，按其贡献加权，分别为1.279和1.493[表2(c（c）)]与最初的AF预测结构相比，分别提高了3倍和2.5倍。〈R（右）_克〉用于NNLS公司带误差加权的拟合非常接近吉尼尔推导值，而当忽略拟合的误差加权时，与较大值的拟合非常匹配GNOM公司-获得了推导值[表1和2(c（c）)]. 这个P（P）(第页)-导出的最长d日_最大值的值NNLS公司误差拟合与GNOM公司-导出值，但长22º，无误差加权[表1和2(c（c）)]. 〈d日_最大值〉值小于GNOM公司-派生的P（P）(第页)d日_最大值，表明在拟合中选择了更紧凑的结构的比例更高。对〈的贡献百分比直方图R（右）_克〉中的单个结构P（P）(第页)NNLS公司配合[图3(k个)和3(我)]确实显示出一组主要的结构R（右）_克值（34–40º）与初始AF结构的值相当，非常接近吉尼尔推导值，分别占贡献值的58%和75%，其中两个值是通过拟合或无误差加权强烈选择的。在无误差加权的情况下进行拟合，得出单个结构对较高的R（右）_克值（另请参见表S4).

个人P（P）(第页)两者选择的结构组合的贡献和全局视图NNLS公司配合如所示图S5.广泛分布P（P）(第页)外形在NNLS公司贴合无误[图S5(一)]，通过误差加权，该值有所降低[图S5(b条)]. 可以分别定义四个和三个主要结构类[图S5(c（c）)和S5(d日)]，有较大比例的贡献结构聚集在低水平-R（右）_克范围。域之间有较宽分隔的一些结构在NNLS公司配合无误。

4.3.2. 集成建模与我(q个)作为目标函数

对于SASDF83我(q个)SASDM77没有制服Δq个:Δq个为1.102×10⁻³ Å⁻¹对于q个≤ 6.9519 × 10⁻² Å⁻¹，之后具有可变步长(Δq个在[3.53，4.53]×10范围内⁻⁴ Å⁻¹)至q个_最大值= 0.32532 Å⁻¹.CRYSOL公司生成我(q个)上的配置文件多媒体卡使用固定网格间距1.102×10的水池⁻³ Å⁻¹，导致295我(q个)插值以匹配644个实验数据点的NNLS公司安装程序。非常适合[图5(一)和5(b条)]是通过χ²1.208，与使用P（P）(第页)NNLS公司无误差配合[表2(c（c）)]. 然而R（右）_克〉52.1º的值明显大于R（右）_克两者的P（P）(第页)NNLS公司拟合和实验值[表1和2(c（c）)]. 虽然〈d日_最大值〉在这种情况下的值接近GNOM公司-派生的d日_最大值值，最大值d日_最大值也大于实验得出的值（243对170？），贡献率为7%[表1和2(c（c）)]. 这些结果反映在R（右）_克直方图[图3(米)]其中，与位于的集群一起R（右）_克值小于或接近初始AF结构的值，或接近吉尼尔衍生值，有很大的单个结构R（右）_克值，对于占整体总体7%的结构，最高可达～92º。

这个WAXSiS公司-生成我(q个)从为任何NNLS公司拟合，加上开始的AF结构（总共24个结构），然后被用作NNLS公司适合SASDM77我(q个)剖面图[图5(e（电子）)和5(（f）)]从而与最佳χ²其中1.179NNLS公司在此样品上进行的配合[表2(c（c）)]. 相当高的〈R（右）_克〉48.4 Au的值，以及〈d日_最大值〉和最大值d日_最大值，最细长的结构占整体的4%，与通过CRYSOL公司/NNLS公司配合[表2(c（c）)]. 这个R（右）_克直方图[图3(n个)]然而，在这种情况下，集群的规模较小R（右）_克值（比CRYSOL公司fit case，35–45º）更占优势，占所选结构的75%，跨越AF起始结构（未选择）；另请参见表S4)到那些GNOM公司-派生值。

个人我(q个)在中选择的配置文件CRYSOL公司和WAXSiS公司 NNLS公司可以在中看到配合图S6(一)和S6(b条)中相应的结构类图S6(c（c）)[与图S5(c（c）)和S5(d日)]. 紧致的构象簇可以分为两个，然后是两个分别具有相对和相当扩展结构的簇，而最扩展的一个也可以根据其非常特殊的性质而分开我(q个)个人资料[粉红色线条图S6(一)和S6(b条)].

与所研究的其他两个系统一样，所有系统中贡献率最高的四个结构NNLS公司在N端子63–270域上叠加后，配合显示为带状表示[图5(e（电子）)，插图]。最高比例的R（右）_克值都位于多媒体卡-生成的池R（右）_克分配（32–60º），另一半（60–92º）的贡献率较小，仅由我(q个)NNLS公司如图3所示安装(o个)，这也证实了原始整体之间的良好对应性多媒体卡池和用于NNLS公司适合。

此示例与其他两个示例的不同之处在于，通过建模获得的总体P（P）(第页)与我(q个)由于目标给出了关于现有扩展结构总体的不同结果，反映在两个〈中R（右）_克〉和最大值P（P）(第页)d日_最大值值。已经注意到，与其他两个数据集相比，本例中的SAXS数据的统计质量较差q个_最小值仅为0.0141欧⁻¹（与0.0025和0.0082º相比⁻¹分别用于SASDBP9和SASDF83），而吉尼亚地区的数据点要少得多（按三到五倍计算）。这些观察结果提出了一个问题：-q个SASDM77在吉尼亚体系中的极限和采样频率足以可靠表征样品中存在的最广泛结构。对于这个数据集，实验q个_最小值是这样的结构d日_最大值> 220 Å⁻¹不会被可靠地描述，而且它也会限制d日_最大值计算时P（P）(第页). 使用建模P（P）(第页)因为目标可能因此被人为限制d日_最大值，建模时使用我(q个)因为目标可能会允许更多的扩展结构。

关于扩展结构群的精确性质，然而，我们的分析表明，该蛋白的主要混杂结构仅比起始AF结构的混杂结构略长，但在总群体中相对较低的比例中可能会经历向非常长的构象的转变。

5.讨论

AlphaFold已经被证明可以为大量蛋白质提供极好的预测。然而，具有柔性片段的蛋白质不能用单一的静态结构充分地表示。虽然这可以被视为房颤的一个弱点，但它只是反映了蛋白质功能的一个必要方面。将AF预测与实验推导的约束和构象空间扩展相结合，可以为研究人员提供对所研究系统的增强表示。

事实上，对于这里确定的三个示例，其中存在AF预测结构和相应的SAXS数据集，我们已经表明，如果不进行修改，AF预测的结构无法解释实验数据。使用每个AF预测结构提供的置信度指标，我们确定了连接高置信度结构化域的潜在灵活链接器。使用多媒体卡例程，它有效地创建了数以万计看似合理的具有扭转角的全原子结构ϕ和ψ在Ramachandran图的允许区域中，我们生成了一个构象库，从中确定了一个加权总体，预测了实验SAXS数据。在两种情况下（SASDBP9和SASDF83），使用计算的P（P）(第页)因为目标给出了相似的结果，在范围和平均值方面R（右）_克和d日_最大值值，用于建模我(q个)作为目标。在第三种情况下，优化集成中出现的最扩展结构的总体有很强的相似性，但存在差异。建模时获得的结果我(q个)与建模时获得的结构相比，包含的扩展结构要多得多P（P）(第页). 这种差异似乎是由于过大q个_最小值和Δq个用于SASDM77数据的吉尼亚地区，以可靠地表征最长结构d日_最大值值。这些数据于2004年在欧洲分子生物学实验室（EMBL）X33束线上收集，该束线位于DORIS III储存环（德国汉堡），使用1D气体探测器（Blanchet等。, 2012)那已经退役了。自那时以来，仪器的改进提供了高质量和q个范围更符合SASDBP9数据集（使用Pilatus 2M探测器在汉堡德意志电子同步加速器储存环PETRA-III处的EMBL P12光束线上收集）和SASDF83数据集（用Dectris Pilatus 1M 2D探测器在ESRF（法国格勒诺布尔）的BM29光束线上收集等。, 2013)]，这可能会解决SASDM77建模中观察到的差异P（P）(第页)与我(q个)作为目标。

我们的结果表明P（P）(第页)因为靶标可以给出可靠的结果，前提是SAXS数据满足确保数据代表溶液中的单分散蛋白、无颗粒间相关性的质量指标，以及两者 q个_最小值和Δq个满足现有大多数扩展结构的可靠表征要求。根据具体系统，散射曲线我(q个)可能是全球构象变化的更敏感的报告者P（P）(第页)个人资料。相反P（P）(第页)可以展现出与结构域形状及其在分子中的排列相关的丰富的结构特征，这些特征在明显无特征的散射曲线中并不明显。从计算角度来看，与更密集的建模相比，在真实空间中建模的主要优势是容易和快速我(q个)计算，特别是如果方法依赖于显式水原子分子动力学为了解释水合作用，例如就像在案件中WAXSiS公司.虽然我们的P（P）(第页)单个结构坐标的计算没有考虑水合水的散射贡献，与AF结构和实验推导的差异相比，这种影响相对较小P（P）(第页)并且随着蛋白质大小的增加，它也变得不那么显著。然而，它可以解释在P（P）(第页)和我(q个)NNLS公司适合两者WAXSiS公司和CRYSOL公司考虑水合水的作用。另一方面，如果我们比较P（P）(第页)-和我(q个)-基于的方法(表S2–S4)我们看到，对于AF-Q16543NNLS公司上WAXSiS公司-生成我(q个)，其中三个（贡献率合计为47%）也在干地采摘P（P）(第页)级别。对于AF-Q06187系统，数字为五（组合贡献率为65%）多于六，而对于AF-QUKA9系统，数字则为六（组合贡献度为70%）多于十。在任何情况下，在计算P（P）(第页)在不牺牲速度优势的情况下，从干式构筑物中分离出来，例如基于水的统计分布的构筑物美国-索马里计算水动力特性（Rai等。, 2005)，这将是一个值得欢迎的改进。