1.简介
同步电子辐射设备的大分子晶体学(MX)束线数据采集的自动化和加速产生了大量的X射线衍射数据。这种高效、高产的数据采集正在成为MX的主要趋势;即高数据速率MX(HDRMX;Bernstein等。, 2020). HDRMX通过高亮度X射线束的可用性实现(Ursby等。, 2020; 桑切斯·威瑟比等。, 2019; 平田等。, 2013),探测器的快速读数(Casanas等。, 2016)、快速采样交换机器人(村上春树等。, 2020; 帕普等。, 2017; 马蒂尔等。, 2020; 努里佐等。, 2016)以及自动化测量方案的应用(Zander等。, 2015; 平田等。, 2019; 巴苏等。, 2019; 保龄球等。, 2016). 此外,获得的数据集的数据简化和结构分析也在各种管道中实现了自动化(山下等。, 2018; Winter&McAuley,2011年; 沃迪尔等。, 2013; 2010年冬季; 摩纳哥等。, 2013; 冯·莱因等。, 2011; 印卡多纳等。, 2009; 王等。, 2022). 最后,开发了数据管理系统,包括用于查看这些数据的用户界面,以便实验者能够无缝地管理和轻松解释来自大量数据的分析结果(山田等。, 2013; 德拉吉尼埃等。, 2011; 费希尔等。, 2015).
最近,结构测定包括数据采集自动化和加速在内的各种发展促进了多晶体的使用。在结构测定使用微晶,特别是来自膜蛋白的脂质立方相(LCP)晶体的微晶,结构通常使用小尺度同步辐射晶体学(SWSX)方法确定。在SWSX方法中,总振荡范围减小,但每个振荡宽度的光子数增加。由于每个楔形数据集仅涵盖倒易空间,必须从安装在不同方向的许多微晶中测量数十到数百个数据集(切列佐夫等。, 2007; 罗森鲍姆等。, 2007). 最后,将获取的数据集合并并用于确定结构。在串行飞秒晶体学(SFX;Barends)的情况下等。, 2022)或串行同步旋转晶体学(SSROX;Gati等。, 2014; 长谷川等。, 2017),需要更多的图像,因为每个帧只覆盖倒易空间,在数据收集和分析方面提出了挑战。在此,数据收集和分析的自动化至关重要,并为扩大目标和实现目标提供了机会结构测定不同的蛋白质样品(希利等。, 2021).
在使用多晶体进行结构分析时,选择足够同构的数据集至关重要。例如,如果在SAD阶段中合并非同构数据集,则搜索重原子位置会变得非常复杂(佐丹奴等。, 2012; 爸爸等。, 2021). 层次聚类分析(HCA)是一种成功用于从多个晶体中提取高度同构数据集的方法。该方法已在计划中实施混合物(福亚迪等。, 2013)进行基于单位-细胞的HCA,而基于衍射强度相关性的HCA(也称为“基于强度的HCA”)已在程序中实现cc集群(桑托尼等。, 2017). 自动数据处理管道卡莫实现两种类型的HCA。
即使可以使用单晶求解结构,使用多晶体分析结构也有好处。一个好处是可以实现的解决方案。由于弱衍射点的信噪比得到了提高,给定结构的分辨率可以随着合并数据集数量的增加而提高。另一个好处与多晶型分析有关。通过对许多晶体的衍射数据进行分类,发现了具有生理意义的结构多态性。以前的大多数研究都使用HCA提取高度同构的数据来确定单结构。然而,最近的一些研究表明,HCA可以成为对结构多态性进行分类的有力工具(Nguyen等。, 2022; 苏亚雷斯等。, 2022). 原则上,HCA不需要任何关于数据集群数量的事先信息(即MX上下文中的“多晶型体”的数量)包含在整个数据集中。然而,在实践中,通常有两种方法来解释HCA的结果。一种方法确定了“同构”程度的阈值,低于该阈值的聚类数据被视为同一结构的基础。另一种方法是在分析之前确定数据集群的数量。由于不可能知道整个数据集中涉及多少多态,因此前一种方法是可取的。然而,由于目前没有确定适当阈值(“同构阈值”)的参考,因此有必要对每个簇中合并的数据集进行详尽的分析,并应逐一解释结果。因此,我们研究了分配一个“同构阈值”的可行性,该阈值可用于选择可识别多态的候选数据簇。
此外,我们还研究了将HCA应用于使用螺旋方案收集的数据以捕获晶间和晶内结构多晶型的有用性。螺旋方案严格称为“连续螺旋方案”,最初是作为数据收集方案开发的,以避免严重的辐射损伤(Flot等。, 2010). 与传统的单点振荡扫描不同,晶体在螺旋方案的数据采集过程中进行平移。因此,可以认为每个晶体体积的剂量是恒定的。由于每个帧都是从晶体中的不同点获取的,因此将完整数据集拆分为几个部分数据集(块)可能有助于通过单独处理每个块并按HCA分类来观察晶体中存在的结构差异。事实上,使用这种方法,结构测定甚至可以从异质晶体(加藤等。, 2020).
在本文中,我们试图使用生物信息学混合数据集由来自标准测试蛋白样品(胰蛋白酶)的两个不同的高分辨率数据集组成。然后将该阈值应用于两个具有代表性的蛋白质样品(核转运受体转运蛋白-1和[NiFe]-氢化酶成熟因子HypD),以评估建议的阈值是否适合对多态性进行分类。
2.材料和方法
2.1. 载脂蛋白和抑制剂结合胰蛋白酶晶体的制备
牛胰蛋白酶(分子量约24kDa;Fujifilm Wako Pure Chemicals)溶于25 mM(M)HEPES pH 7.0,5mM(M)氯化钙2浓度为30 mg ml−1沉淀剂溶液为30%(w个/v(v))聚乙二醇3350,0.1M(M)Tris–HCl pH 8.5、0.2M(M)锂2SO公司4使用MRC-II板(SWISSCI)在293 K下通过坐滴蒸汽扩散法进行结晶,几天内出现200µm大小的晶体。在添加化合物之前,采集了几个晶体,以获得载脂蛋白形式的数据。将晶体浸泡在含10%的低温保护剂中(v(v)/v(v))乙二醇与结晶缓冲液混合,然后在液氮(亚马内)中冷冻等。, 2011).
使用Echo 650声波液体处理器(Beckman Coulter)将抑制剂化合物直接添加到结晶板上的液滴中。在本研究中,使用了以下抑制剂(补充图S1):4-甲氧基苯甲酰胺和5-氯色胺(以下分别称为“苯甲酰胺”和“色胺”)。将每种抑制剂以10 m的最终浓度添加到结晶液滴中M(M)含10%(v(v)/v(v))二甲基亚砜(DMSO)。添加抑制剂后,将结晶板置于293 K下一小时,以使抑制剂充分扩散到晶体中。从结晶板中取出抑制剂结合的胰蛋白酶晶体,以与载脂蛋白胰蛋白酶晶体类似的方式进行冷冻保护,并在液氮中进行冷冻。根据初步研究结果确定DMSO浓度和培养时间。简而言之,使用载脂蛋白胰蛋白酶制备了几系列不同DMSO浓度和培养时间的晶体。然后从这些晶体中收集数据,以确定衍射质量没有显著降低的条件。
2.3. 利用apo和抑制剂结合的胰蛋白酶数据进行聚类分析
在HCA中,数据集之间的“同构”表示为树状图中的垂直“距离”。同构数据集通过较小的距离连接,而其他距离较远的数据集则通过较长的距离连接。假设在多个数据集中存在多个结构多态性,每个多态性将在树状图中形成一个由特定“阈值”(称为“同构阈值”)内的数据集组成的簇。在实际数据中,获得的数据集中涉及的多晶型数是不可预测的。因此,使用了两个明显不同的数据集来研究用于识别多态性的“同构阈值”。为此,我们使用了载脂蛋白胰蛋白酶和与两种不同抑制剂结合的胰蛋白酶的高分辨率数据集。
在中实现了两种不同的基于参数的HCA卡莫一种是基于单位的HCA,另一种是以强度为基础的HCA。卡莫使用执行基于单元的HCA混合物基于强度的HCA是根据CC的计算进行的cctbx公司(格罗斯·昆斯特里夫等。, 2002)方法米勒阵列相关系数并按科学Py(维塔宁等。, 2020)方法集群.层次结构.终结程序晶体中蛋白质分子的结构变化可能会影响晶胞常数或衍射强度。这两种不同的基于参数的HCA在同构方面有些不同。在基于单位-细胞的HCA中,分类基于单位-胞参数的同构,这反映了更宏观的方面,而不是蛋白质结构。相反,基于强度的HCA可以检测到更小的结构变化。
在这里,我们研究了两种不同的数据集是如何由两种基于参数的HCA进行分类的:基于单位的和基于强度的。为了评估螺旋方案收集的数据是否能够在同一晶体内进行多晶型分析,将收集的数据分成30°块,并使用卡莫使用split_data_by_deg=30.0选项。聚类分析的测试数据集是由来自两个不同结构的相同数量的衍射数据集混合而成的。在本研究中,使用螺旋方案收集的360°数据被划分为30°块后使用。在这里,我们为每个结构使用了48个30°块,对应于四个晶体的数据集。这两个基于参数的HCA应用于生物信息学混合数据集由两个数据集(48+48个数据块)的以下组合中的96个数据块组成:(i)载脂蛋白和苯甲脒结合的胰蛋白酶,(ii)苯甲酰胺结合的胰酶和色胺结合的胰蛋白。HCA和数据合并使用卡莫(kamo.auto_多合并)在以下方案中。在HCA之前,卡莫选择合并步骤中使用的数据集(称为“预处理”)。首先,根据P(P)1对称。然后,使用Tukey准则根据单位-细胞常数过滤所选数据集。对过滤后的数据列表执行HCA,并为每个集群生成合并数据。卡莫在三个数据合并周期中,基于晶体学统计,以帧-帧和数据集-数据集为基础拒绝数据。描述了每个簇合并数据的电子密度图,以评估数据污染的影响。分子替换使用模板模型(PDB条目3rxa公司). 电子密度图的评估使用本地区影院.
一般来说,数据集之间“同构”的定义和用于计算簇之间距离的链接方法对HCA生成的树状图有很大贡献。对于基于强度的HCA相关系数强度的(CC)用作同构的指标。距离的不同定义用于卡莫和cc集群作为默认设置:(1−CC)1/2用于卡莫(山下等。, 2018),而(1−CC2)1/2用于cc集群(桑托尼等。, 2017). 在本研究中,我们使用(1−CC2)1/2(以下简称d日科科斯群岛)基于对以下可用距离定义的初步调查卡莫:1-CC,(1-CC)1/2和(1−CC2)1/2。对于链接方法,通常使用“Ward”链接,因为它在经验上不太容易导致树状图的“链式效应”和“反转”(Murtagh&Legendre,2014).混合物出于同样的原因,也采用Ward方法(Foadi等。, 2013),同时cc集群而是使用“平均”链接方法。在年实施的基于强度的HCA中卡莫,病房链接用作默认设置。基于以下七种链接方法的结果科学Py模块(补充章节S1和图S2),我们在本研究中使用了Ward链接。在Ward链接中,通过最小化加入簇时方差的增加来选择最近的簇。合并一对单个数据集时,沃德距离可以被视为同义词d日科科斯群岛,以便可以直接从Ward距离值计算CC值。相反,当合并包含多个数据集的集群时,这些集群之间的距离是根据集群中包含的数据确定的。因此,Ward距离不会直接给出集群内每个数据集的CC值。例如,沃德距离为0.6并不意味着每对数据集的CC值等于0.8。
2.4. 从观测/模拟数据确定同构阈值
基于胰蛋白酶的HCA结果生物信息学我们假设可以通过树状图纵轴上的Ward距离阈值来检测多态结构的存在。如果有多个簇低于此“同构阈值”,则每个簇都被视为不同的结构。然而,Ward距离的绝对值通常随着数据集数量的增加而增加,并且当不同结构之间的CC分布不同时,它们也会增加。因此,直接从观察到的胰蛋白酶数据的树状图中导出绝对Ward距离阈值作为通用指数是没有用的。因此,我们简单地使用最大Ward距离定义同构阈值(W公司0在里面补充图S3)整个系统的
哪里W公司0是最大Ward距离,W公司1是同构阈值R(右)是这里要确定的常数(大小介于0和1之间的比率)。
“同构阈值”定义为当两个结构可以分类时,两个分支之间的较大Ward距离(W公司1在里面补充图S3). 确定R(右)在方程式(1)中,通过以下步骤进行模拟。基于载脂蛋白和苯甲脒结合的胰蛋白酶数据集,我们首先模拟了所有三种组合的强度CC分布。假设有多个数据集且包含两种结构,我们使用遵循模型概率密度的CC创建了HCA的CC矩阵(补充图S3). 我们从CC矩阵中执行HCA,并评估这两个结构是否可以作为它们在树状图上的原始标签进行分类。
首先,我们检查了模拟是否成功再现了实验获得的树状图。自W公司0和W公司1可以从HCA模拟中的树状图中获得,并将其与观测值进行简单比较。接下来,将CC模型参数从初始模型更改为使分类变得越来越困难,并逐步进行计算,直到无法再进行分类的最终条件。数据集的数量从100个到1000个不等,每个数据集有两个不同结构标签的一半。这个R(右)计算依据W公司1/W公司0并绘制每个HCA中每个参数的得分,以确定合适的R(右)计算基于强度的HCA中的同构阈值。模拟的详细信息如所述补充章节S2.
2.5. 代表性样品1的应用:核转运受体转运蛋白-1与核定位信号肽复合物的多态性分析
为了评估胰蛋白酶数据集调查中建议的“同构阈值”是否有效,对具有代表性的样本数据集进行了HCA,并使用建议的“同构阈值”。
转运蛋白-1(Transportin-1,Trn1)是一种核转运受体,能够识别载于货物蛋白中的核定位信号(NLS)序列并将其带入细胞核。关于Trn1–NLS肽复合物(分子量分别约为98和2.5 kDa)样品制备的详细信息,请参见补充章节S3。我们在这里简单地描述一下。Trn-1Δloop突变体是使用大肠杆菌表达系统。使用谷胱甘肽Sepharose和阴离子交换柱纯化Trn1,然后尺寸排除色谱法。将Trn1(Eurofins)的NLS肽溶解在纯化缓冲液(110 m)中M(M)醋酸钾,200 mM(M)HEPES–KOH,10 mM(M)DTT)。通过混合5 mg ml制备Trn1–NLS肽复合物(以下称为“Trn1-肽复合物”)−1Trn1型Δ环路和5 mM(M)NLS肽。Trn1–肽复合物晶体是在0.5的结晶条件下获得的M(M)磷酸钠钾,pH 5.0。在用30%冷冻保护后,将获得的晶体在液氮中冷冻冷却(w个/v(v))含甘油的储层溶液。在BL32XU上使用SPring-8自动收集衍射数据ZOO(动物园)。使用连续螺旋方案,从四个晶体中的每个晶体中获取720°旋转数据。其他实验参数与用于胰蛋白酶晶体的参数相同:振荡宽度,0.1°;暴露时间,0.02秒;光束尺寸,10µm(水平)×15µm;波长,1º;平均剂量/晶体体积,10 MGy;探测器,EIGER X 9M(Dectris)。这个库马的模块ZOO(动物园)根据测量的晶体尺寸和指定的剂量值自动估计衰减因子。将获得的720°数据分为30°块,并应用层次聚类。使用本地区影院,将电子密度图与无肽结构模型进行比较,作为MR的模板模型。无肽模型在聚类分析之前通过以下步骤制备:分子置换使用相位器(麦考伊等。, 2007)带有模板模型(PDB条目5yvi年)然后是的迭代精炼使用菲尼克斯定义(利布施内尔等。, 2019)和手动建模使用库特.
2.6. 代表性样品2的应用:[NiFe]-氢化酶成熟因子HypD的多态性分析
HypD是[NiFe]-氢化酶的成熟因子之一,可以与其他成熟因子形成复合物(Muraki等。, 2019). HypD的C360S变体超嗜热菌(以下简称澳大利亚HypD-C360S,分子量约42 kDa)是使用大肠杆菌表达系统,并使用带有氯化钠梯度的阳离子交换柱和尺寸排除色谱法。 澳大利亚使用16%获得HypD-C360S晶体(w个/v(v))聚乙二醇3350,0.1M(M)柠檬酸缓冲液pH 5.6,1 mM(M)二硫苏糖醇作为储层溶液。获得的晶体在低温保护后在液氮中进行低温冷却。在BL45XU上使用SPring-8自动收集衍射数据ZOO(动物园)。使用连续螺旋方案,从六个晶体中的每一个晶体获取360°旋转数据。其他实验参数如下:振荡宽度,0.1°;曝光时间,0.02s;探测器,PILATUS3 6M(Dectris)。这个库马的模块ZOO(动物园)根据测量的晶体尺寸和指定的剂量值自动估计衰减因子。将获得的360°数据分为30°块,并应用层次聚类。数据被合并到基本上分离的数据簇中,这些数据簇应与结构多态性相对应。电子密度图的评估由本地区影院.分析前本地区影院,模板模型(PDB条目2z1天)使用相位器 REFMAC公司5(穆尔舒多夫等。, 2011)和库特.
3.结果和讨论
3.1. 试验研究:不同胰蛋白酶数据集的分类
为了研究HCA是否可以对多态数据集进行分类,生物信息学混合数据集由两个不同的(载脂蛋白和苯甲脒结合的)胰蛋白酶数据集中的每一个数据集的48个区块组成,共有96个区块提交给卡莫每个区块的分辨率约为1.2°。每个区块包含约50000个反射;总体完成率约为40%空间组是P(P)212121.卡莫如第2节所述,在预处理过程中拒绝了13个块为HCA留下83块(补充表S1). 使用高达1.50Ω分辨率的反射来计算基于强度的HCA中数据集之间的相关性。
3.1.2. 两种不同抑制剂结合胰蛋白酶数据集的分类
接下来,我们根据从胰蛋白酶晶体中获得的数据集,用具有不同骨架配方的两种不同抑制剂,测试了基于HCA的分类(补充图S1)但它们具有相同的结合位点:苯甲脒和色胺。
虽然可以为某些簇找到同质数据集簇(例如簇74和簇76),但这两种不同抑制剂的数据无法通过基于单位的HCA成功排序(图3). 最大LCV值为0.75%,略大于载脂蛋白和苯甲脒结合胰蛋白酶的LCV值。这意味着0.75%的较大LCV值仍不足以使用基于单位-细胞的HCA对不同的胰蛋白酶数据集进行分类。基于电子密度图(补充图S6),两个不同的数据集在第一个分支处大致分开(集群81和82)。然而,簇80中的电子密度图清楚地显示了这两种抑制剂结合数据的混合。看起来很难区分底座骨骼结构根据电子密度图。合并的数据由6个苯甲脒结合块和14个色胺结合块组成,导致主要数据集受到约30%的污染(补充表S3). 在第77组中,合并的数据由9个苯甲脒结合块和4个色胺结合块组成,约占主流数据集的31%。根据这些结果,一个小数据集大约30%的污染可能是获得允许初始模型构建的电子密度图的容许上限。
| 图3 基于单位-细胞聚类的混合数据集的树状图,包括结合苯甲脒和结合色胺的胰蛋白酶。基于单位细胞的HCA生成的树状图上描述了簇号和数据标签。为了评估聚类效果,根据原始数据集对每个聚类叶片进行着色:橙色、苯甲脒结合的胰蛋白酶;蓝色,色氨酸结合的胰蛋白酶。每个群集节点上标记的数字表示从混合物. |
基于强度的HCA(图4)成功地将数据块分为两个同质数据集(簇72和74),尽管在右分支的一些小簇中混合了两个抑制物绑定数据集(集群73、78和81)。在星团74和72上获得的电子密度图清晰可见F类o个−F类c(c)苯甲脒和色胺在3.0时的密度σ分别为(补充图S7).
| 图4 混合数据集基于强度的HCA的树状图,包括结合苯甲脒和结合色胺的胰蛋白酶。底部的数据标签以橙色表示苯甲脒结合的胰蛋白酶,以蓝色表示色胺结合的胰酶。 |
3.1.3. 载脂蛋白胰蛋白酶的分类和两个抑制剂结合的胰蛋白酶数据集
如前几节所示,使用基于单步强度的HCA对两个不同的数据集进行分类。然而,在实际情况中可能会发现三种以上的结构多态性。例如,当聚类应用于时间分辨实验中获得的数据时,在感兴趣的中间物之前和之后可能有三个以上的中间物。为了测试这种情况,将基于强度的HCA应用于生物信息学混合数据集包含本研究中使用的所有三种不同的胰蛋白酶数据集,即apo、苯甲脒结合的和色胺结合的胰蛋白酶数据集。
结果表明,基于强度的HCA对三个不同的数据集进行了几乎完美的分类(补充图S8)而基于单位的HCA并没有很好地对这些数据集进行分类(补充图S9). 在中的第一个分支中补充图S8,一个簇仅包含色胺结合块(簇115),而另一个簇主要包含载脂蛋白和苯甲脒结合块(集群130)。从后一个聚类的进一步聚类来看,载脂蛋白胰蛋白酶的同质数据聚类出现在聚类114,苯甲脒结合胰蛋白酶的数据聚类出现于聚类116。在分离过程中,出现了一些小簇(簇119、120和128)。这些集群被视为离群值,因为与其他集群相比,所涉及的块数量较小,块之间的距离相对较大。尽管一些与抑制剂结合的块被混合到占主导地位的apo-胰蛋白酶簇(簇114)中,但这可能是由于较低的抑制剂占用率或相对低质量的数据。
3.2. 代表性样品的应用
为了评估具有我们建议的“同构阈值”的基于强度的一步HCA是否有助于检测实际样品中的多晶型,我们对两个代表性例子进行了基于强度的HCA和结构分析:Trn1–肽复合物和澳大利亚HypD-C360S型。在这里,我们选择了满足阈值的聚类,同时合并数据的完整性足够高,可以进行进一步的结构分析。
3.2.1. Trn1肽复合物的衍射数据分类和多态性分析
使用720°旋转的螺旋方案获得了Trn1-肽复合物的衍射数据。每个数据集被分成30°块,从四个晶体中得到96块。每个区块的分辨率在3-4Å的范围内。每个30°块体中的反射次数约为60 000次,整体完整性约为25%空间组是C2.使用分辨率高达3.67º的反射来计算基于强度的HCA中数据集之间的相关性。
获得的块体接受基于强度的HCA,使用卡莫(图6). 虽然观察到一些离群值,但选择了两个主要聚类(聚类72和76)进行进一步的结构分析。
| 图6 Trn1肽复合物基于强度的HCA树状图。数据标签显示在底部,并由晶体着色。聚类72和76用于进一步的结构分析,因为这两个聚类似乎具有不同的结构(多态性)。 |
这两个节点的电子密度图明显不同(图7). 有两种肽结合形式:一种没有任何二级结构(形式1),另一种具有α-螺旋线(形式2)。当所有区块合并时,也观察到这两种肽结合形式(簇82)。然而F类o个−F类c(c)每种肽结合形式的图谱似乎不如聚类结果清晰(聚类72和76)。虽然两种肽结合形式都出现在每个节点中,但其占位似乎不同。这个F类o个 − F类c(c)该图显示,76号星团以1型为主,72号星团则以2型为主。同构阈值的范围从0.73到0.85,从具有这些值的树状图来看,簇72和76是结构多晶型的候选者,与上述结果一致。
| 图7 肽-省略F类o个−F类c(c)Trn1肽复合物基于强度的HCA产生的不同节点的地图。F类o个−F类c(c)根据合并数据计算的地图(一)集群82(b条)集群76和(c(c))集群72如图所示。每个图形的轮廓级别设置为3.0σ。在map计算过程中省略了结合肽。这些数字是由库特. |
生化实验结果支持两种肽结合形式的存在。如图7所示,在F类o个−F类c(c)两种结合形式的NLS肽的密度。由于NLS通常由碱性氨基酸残基组成,这符合通过静电相互作用实现的货物再识别机制。每种肽结合形式中的三个突变(形式1为两个Glu残基和一个Asp残基,形式2为两个Glu残基和一个Trp残基)导致肽结合减少。因此,这两种肽结合形式对Trn1的功能在生理上都很重要。
由于Trn1肽复合物的单位细胞常数的变化比胰蛋白酶的单位细胞常量的变化更显著(补充图S14),我们还应用了基于单元的HCA(补充图S15). Trn1肽复合物的最大LCV值为4.03%,显著高于胰蛋白酶的LCV值(0.59%)。获得的电子密度图似乎不同(补充图S16),如基于强度的HCA结果所示(图7). 然而,聚类结果略有不同。形态1的优势节点出现在左侧分支(簇73和78),而这两种形态都出现在右侧分支(簇77和79)。基于单位-细胞的HCA结果中未发现Form 2显性节点。因此,在这种情况下,基于单步强度的HCA似乎可以更好地对数据进行分类,即使细胞变异很大。
虽然分辨率相对较低(低于3º)空间组不是高度对称的(C2) 对于Trn1肽复合物,基于强度的HCA足以识别两种不同的肽结合模式。结果表明,多态性分析甚至可以在分辨率相对较低、对称性较低的空间群上进行。
另一个有趣的发现是,尽管晶体是在同一结晶液滴中获得的,但主要肽结合形式不同。此外,一些晶体同时具有形态1主导块和形态2主导块(即晶内变化)。对聚类结果进行绘图显示,形态1的主要块体主要位于晶体尖端(补充图S17). 该结果表明,通过连续螺旋方案收集衍射数据,不仅可以识别不同晶体(晶间)中的多态性,还可以识别相同晶体(晶内)中的多晶型,这大大扩展了多态性分析的可能性。
3.3. 基于强度的HCA的当前限制以及进一步应用的可能最佳实践
两个代表性样品的结果表明,具有提议的“同构阈值”的基于强度的HCA可以作为检测从多个晶体获得的数据集中的同构的有用指标。此外,将螺旋方案收集的数据拆分为若干块,有助于分析同一晶体中的结构多晶型。即使对于结构已经确定的已知蛋白质,结构多态性也可能被忽视。本指南的范围适用于使用50µm或更大的多晶体的情况,以便可以从单位-细胞常数略有变化的单晶中收集完整数据。我们专注于通过从多个大型晶体中收集螺旋数据来收集360°或更大的大型楔形数据集,并将数据聚类为30°或更大的块状数据集,从而找到多晶型。
基于强度的HCA有明确的限制。数据集之间需要一定数量的共同反射才能计算CC值。作为中的默认设置卡莫,每个数据集之间需要至少三个公共反射。在SWSX中,每个晶体以5–20°旋转收集衍射数据,从而减少常见反射。由于分辨率较低或晶体对称性。在本研究中,块体大小设置为30°,其中普通反射的数量预计足够。
为了研究块大小(旋转范围)的限制,使用0.5°到30°的高分辨率胰蛋白酶数据集绘制了不同块大小的常见反射和拒绝数据的数量(补充图S19). 从CC计算中排除的区块数量大幅增加到3°以下。当区块大小设置为0.5°时,几乎所有数据都被拒绝(99.0%)。该结果与之前关于基于强度的HCA应用于串行同步辐射晶体学(SSX)数据(每个晶体2°)的报告一致,使用cc集群(桑托尼等。, 2017). 显然,将基于强度的HCA应用于具有极窄或无振荡数据的单帧数据是不现实的,例如通过串行飞秒晶体学(SFX)或串行同步旋转晶体学方法(SSROX)收集的数据。
此外,为了研究基于强度的HCA的足够数量的常见反射,对本研究中使用的数据集在不同块大小下的常见反射数量进行了评估。由于胰蛋白酶的拒绝数据增加到3°以下,log(共反射次数)≥2.5似乎是有希望的。总反射中常见反射的比例在很大程度上取决于晶体对称性(补充图S20). 如果分辨率相对较低或晶体对称性如Trn1肽复合物的例子所示,分子量不高,大的分子量可以覆盖反射的数量。如果可能,使用螺旋方案或更大的数据旋转范围进行部分数据采集将有助于增加基于强度的HCA多态性分析的常见反射。
当基于强度的HCA不可用时,基于单位细胞的HCA仍然有用。即使是单帧数据,例如SFX数据,也可以使用单位-细胞常数。因此,基于单位-细胞的HCA可以应用于任何给定的衍射数据集。在实际的SFX数据中,具有不同晶胞属性的数据集有时会混合到整个数据集中(Nomura等。, 2021). 考虑到一般情况,应首先应用基于晶胞的HCA来过滤出具有不同晶胞参数的数据集。如果单位-细胞常数的变化相对较小,比如最大LCV值小于1%,那么基于单位-细胞的HCA很可能不会产生良好的分类结果。然而,从基于单位细胞的HCA结果中可以发现多晶型。在最近的一项研究中(Soares等。, 2022)改进了基于单元的HCA的距离度量。此外,在合并步骤中执行的异常值拒绝卡莫可能有助于减少受污染的数据集。
虽然我们通过基于单步强度的聚类对多态性进行分类,但在一般情况下,应考虑单位-细胞参数以实现更准确的分类。从基于单位-细胞的HCA对胰蛋白酶数据集的结果来看,来自相同数据的块被分成不同的分支(图1和3). 如果将基于强度的HCA进一步应用于从基于单位的HCA获得的聚类,则在数据合并的最后阶段剩余的数据集数量可能会减少。因此,当数据集总数较少时,单步聚类更可取。具有二维参数(包括单位-细胞参数和强度相关性)的HCA正被考虑用于更有效的单步聚类。
4.结论与展望
基于对测试用例的调查,我们提出数百个30°块数据集的基于强度的HCA分类的“同构阈值”是树状图顶行的Ward距离乘以0.6–0.7。在具有代表性的样本中,基于强度的HCA成功检测到多态性,并使用我们建议的阈值。本指南的范围基本上包括使用多个大于50µm的晶体的情况,并且可以从每个单晶中收集完整的数据,单位-细胞常数略有变化。我们专注于通过从多个大晶体中收集螺旋数据,收集360°或更大的楔形数据集,并将其聚类为30°或更高的区块数据集,从而找到多晶型。
本研究的结果,包括标准样品和代表性样品,表明基于强度的单步HCA和提出的“同构阈值”对于使用多个数据集检测多态性是有效的。尽管螺旋数据采集和HCA已用于MX实验和分析,但我们证明了与当前HDRMX趋势一致的几个优点。螺旋数据方案的独特之处在于,它可以通过将完整的数据集划分为块来应用于晶体内的多晶型分析,因为数据是在转换X射线曝光位置时收集的。事实上,我们的结果表明晶体中可能存在多晶型。在ZOO(动物园)SPring-8的自动数据采集系统以均匀的剂量从每个晶体体积收集数据,与单点旋转相比,这可能会减少由于辐射损伤引起的结构不均匀性。即使使用多个晶体,由于辐射损伤导致的晶体之间的同构也可以被抑制到相同的程度,只允许讨论晶体中存在的结构差异。此外,高效的自动化数据采集增加了在给定时间内可以测量的数据集数量,从而可以分析具有更高分辨率的多晶型。
我们的发现可以广泛应用于其他蛋白质样品。即使分辨率相对较低(约4℃),也可以确定具有生理意义的多晶型,如Trn1肽复合物的示例所示。典型的例子还表明,蛋白质分子在同一晶体中可能表现出不同的结构。此外,在两种实际情况下,可以从使用相同结晶条件获得的多个晶体中发现多晶型。即使在样品制备过程中没有预期或检测到多晶型的存在,“同构”阈值的确定也能实现多晶型的检测。通过使用我们提出的“同构”阈值自动进行多晶型分析,也将促进更广泛的应用。
所建议的多态性分析有助于获得蛋白质功能过程中的各种结构快照,以阐明分子机制。确定多个结构快照也将有助于更准确的结构预测,具体如下AlphaFold公司2(跳线等。, 2021)和罗斯塔福尔德(贝克等。, 2021). 然而,使用我们的方法无法获得有关已识别多晶型之间的时间序列或反应途径的结构信息。它可以通过分子动力学(MD)模拟来补充。例如,对自由能景观的分析将有助于理解蛋白质功能(Oide)期间的动态结构机制等。, 2020). 随着诱导结构变化的技术,如配体混合,多态性分析将得到进一步加强。虽然时间分辨晶体学是动力学分析的有力工具,但提出的多晶型分析将有助于弥补控制此类反应的诸多困难。还应在不久的将来开发将基于强度的HCA扩展到单帧数据(来自SFX或SSROX)。
鸣谢
我们感谢Keitaro Yamashita(MRC LMB)的有益讨论,以及Kaede Nakayama先生(兵库大学)在HCA模拟方面的技术援助。我们还感谢BL45XU光束线工作人员协助X射线晶体数据采集。我们衷心感谢Chai Gopalasingam和Christoph Gerle对手稿的批判性阅读和有益的建议。
资金筹措信息
本研究得到了日本教育、文化、体育、科学和技术部的资助(编号21K06031;STF)、创新领域科学研究资助(编号JP19H05762(SA)和19H05783(MY))、日本科学促进会KAKENHI资助(编号:JP20K06517(NM)、JP22K06107(KH)、,AMED-CREST根据22gm1410010s0202号(STF)拨款,以及AMED根据JP21am0101072号(支持号1587;STF)和JP20am0101070号(MY)拨款支持药物发现和生命科学研究的平台项目(支持创新药物发现和生命科学研究的基础;BINDS),以及日本科学技术署(JST)拨款号JPMJTR224A(KH)通过目标驱动研发(A-STEP)实施的适应性无缝技术转让计划。
工具书类
Baba,S.,Matsuura,H.,Kawamura,T.,Sakai,N.,Nakamura,Y.,Kawano,Y.、Mizuno,N.、Kumasaka,T.、Yamamoto,M.和Hirata,K.(2021)。J.同步辐射。 28, 1284–1295. 科学网 交叉参考 中国科学院 IUCr日志 谷歌学者
Baek,M.、DiMaio,F.、Anishchenko,I.、Dauparas,J.、Ovchinnikov,S.、Lee,G.R.、Wang,J.,Cong,Q.、Kinch,L.N.、Schaeffer,R.D.、MilláN,C.、Park,H.、Adams,C.、Glassman,C.R.、DeGiovanni,A.、Pereira,J.H.、Rodrigues,A.V.、van Dijk,A.A.、Ebrecht,A.C.、Opperman,D.J.、Sagmeister,T.、Buhlheller,C.、Pavkov-Keller,T.,Rathinaswamy、,M.K.、Dalwadi,U.、Yip,C.K.、Burke,J.E.、Garcia,K.C.、Grishin,N.V.、Adams,P.D.、Read,R.J.和Baker,D.(2021)。科学类,373, 871–876. 科学网 交叉参考 中国科学院 公共医学 谷歌学者
Barends,T.R.M.、Stauch,B.、Cherezov,V.和Schlichting,I.(2022)。自然修订方法引物,2, 60. 科学网 交叉参考 谷歌学者
Basu,S.、Kaminski,J.W.、Panepucci,E.、Huang,C.-Y.、Warshamanage,R.、Wang,M.和Wojdyla,J.A.(2019年)。J.同步辐射。 26, 244–252. 科学网 交叉参考 中国科学院 IUCr日志 谷歌学者
Bernstein,H.J.、Andrews,L.C.、Diaz,J.A.Jr、Jakoncic,J.、Nguyen,T.、Sauter,N.K.、Soares,A.S.、Wei,J.Y.、Wlodek,M.R.和Xerri,M.A.(2020年)。结构。动态。 7, 014302. 科学网 交叉参考 公共医学 谷歌学者
Bowler,M.W.、Svensson,O.和Nurizzo,D.(2016)。结晶器。版次。 22, 233–249. 科学网 交叉参考 中国科学院 谷歌学者
Casanas,A.、Warshamanage,R.、Finke,A.D.、Panepucci,E.、Olieric,V.、Nöll,A.、Tampé,R.,Brandstetter,S.、Förster,A.、Mueller,M.、Schulze-Briese,C.、Bunk,O.和Wang,M.(2016)。《水晶学报》。D类72, 1036–1048. 科学网 交叉参考 IUCr日志 谷歌学者
Cherezov,V.、Rosenbaum,D.M.、Hanson,M.A.、Rasmussen,S.G.F.、Thian,F.S.、Kobilka,T.S.、Choi,H.-J.、Kuhn,P.、Weis,W.I.、Kotilka,B.K.和Stevens,R.C.(2007年)。科学类,318, 1258–1265. 科学之网 交叉参考 公共医学 中国科学院 谷歌学者
Delagenière,S.、Brenchereau,P.、Launer,L.、Ashton,A.W.、Leal,R.、Veyrier,S.和Gabadinho,J.、Gordon,E.J.、Jones,S.D.、Levik,K.E.、McSweeney,S.M.、Monaco,S.,Nanao,M.、Spruce,D.、Svensson,O.、Walsh,M.A.和Leonard,G.A.(2011年)。生物信息学,27, 3186–3192. 科学网 公共医学 谷歌学者
Emsley,P.、Lohkamp,B.、Scott,W.G.和Cowtan,K.(2010年)。《水晶学报》。D类66, 486–501. 科学网 交叉参考 中国科学院 IUCr日志 谷歌学者
Fisher,S.J.、Levik,K.E.、Williams,M.A.、Ashton,A.W.和McAuley,K.E..(2015)。J.应用。克里斯特。 48, 927–932. 科学网 交叉参考 中国科学院 IUCr日志 谷歌学者
Flot,D.、Mairs,T.、Giraud,T.、Guijarro,M.、Lesourd,M.、Rey,V.、van Brussel,D.、Morawe,C.、Borel,C.、Hignette,O.、Chavanne,J.、Nurizzo,D.、McSweeney,S.和Mitchell,E.(2010)。J.同步辐射。 17, 107–118. 科学网 交叉参考 中国科学院 IUCr日志 谷歌学者
Foadi,J.、Aller,P.、Alguel,Y.、Cameron,A.、Axford,D.、Owen,R.L.、Armour,W.、Waterman,D.G.、Iwata,S.和Evans,G.(2013年)。《水晶学报》。D类69, 1617–1632. 科学网 交叉参考 中国科学院 IUCr日志 谷歌学者
Gati,C.、Bourenkov,G.、Klinge,M.、Rehders,D.、Stellato,F.、Oberthür,D.、Yefanov,O.、Sommer,B.P.、Mogk,S.、Duszenko,M.,Betzel,C.、Schneider,T.r.、Chapman,H.N.和Redecke,L.(2014)。IUCrJ大学,1, 87–94. 科学网 交叉参考 中国科学院 公共医学 IUCr日志 谷歌学者
Giordano,R.,Leal,R.M.F.,Bourenkov,G.P.,McSweeney,S.&Popov,A.N.(2012年)。《水晶学报》。D类68, 649–658. 科学网 交叉参考 中国科学院 IUCr日志 谷歌学者
Grosse-Kunstleve,R.W.,Sauter,N.K.,Moriarty,N.W.和Adams,P.D.(2002)。J.应用。克里斯特。 35, 126–136. 科学网 交叉参考 中国科学院 IUCr日志 谷歌学者
长谷川(Hasegawa,K.)、山下幸之助(Yamashita,K。J.同步辐射。 24, 29–41. 科学网 交叉参考 中国科学院 IUCr日志 谷歌学者
Healey,R.D.、Basu,S.、Humm,A.-S.、Leylat,C.、Cong,X.、Golebiowski,J.、Dupeux,F.、Pica,A.、Granier,S.和Márquez,J.A.(2021)。单元格代表方法,1, 100102. 交叉参考 公共医学 谷歌学者
Hirata,K.、Kawano,Y.、Ueno,G.、Hashimoto,K.,Murakami,H.、Hasegawa,K.和Hikima,T.、Kumasaka,T.和Yamamoto,M.(2013)。《物理学杂志》。Conf.序列号。 425, 012002. 交叉参考 谷歌学者
Hirata,K.、Yamashita,K.,Ueno,G.、Kawano,Y.、Hasegawa,K.和Kumasaka,T.&Yamamoto,M.(2019年)。《水晶学报》。D类75, 138–150. 科学网 交叉参考 IUCr日志 谷歌学者
Incardona,M.-F.、Bourenkov,G.P.、Levik,K.、Pieritz,R.A.、Popov,A.N.和Svensson,O.(2009年)。J.同步辐射。 16, 872–879. 科学网 交叉参考 IUCr日志 谷歌学者
Jumper,J.、Evans,R.、Pritzel,A.、Green,T.、Figurnov,M.、Ronneberger,O.、Tunyasuunakool,K.、Bates,R.、日德克,A.、Potapenko,A.、Bridgland,A.、Meyer,C.、Kohl,S.A.、Ballard,A.J.、Cowie,A.、Romera Paredes,B.、Nikolov,S.、Jain,R.、Adler,J.、Back,T.、Petersen,S.、Reiman,D.、Clancy,E.、Zielinski,M.、Steineger,M.、Pacholska,M.,Berghammer,T.,Bodenstein,S.,Silver,D.,Vinyals,O.,Senior,A.W.,Kavukcuoglu,K.,Kohli,P.&Hassabis,D.(2021)。自然,596, 583–589. 科学网 交叉参考 中国科学院 公共医学 谷歌学者
Kabsch,W.(2010年)。《水晶学报》。D类66, 125–132. 科学网 交叉参考 中国科学院 IUCr日志 谷歌学者
Katoh,T.、Sengoku,T.,Hirata,K.、Ogata,K.和Suga,H.(2020年)。自然化学。 12, 1081–1088. 交叉参考 中国科学院 公共医学 谷歌学者
Liebschner,D.,Afonine,P.V.,Baker,M.L.,Bunkóczi,G.,Chen,V.B.,Croll,T.I.,Hintze,B.,Hung,L.-W.,Jain,S.,McCoy,A.J.,Moriarty,N.W.,Oeffner,R.D.,Poon,B.K.,Prisant,M.G.,Read,R.J.,Richardson,J.S.,Richadson,D.C.,Sammito,M.D.,Sobolev,O.V.,Stockwell,D.H.,Terwilliger,T.C.,Urzhumtsev,A.G.,Videau,L。L.、Williams、C.J.和Adams,P.D.(2019年)。《水晶学报》。D类75, 861–877. 科学网 交叉参考 IUCr日志 谷歌学者
Martiel,I.、Buntschu,D.、Meier,N.、Gobbo,A.、Panepucci,E.、Schneider,R.、Heimgartner,P.、Müller,D.、Bühlmann,K.、Birri,M.、Kaminski,J.W.、Leuenberger,J.、Oliéric,V.、Glettig,W.和Wang,M.(2020年)。J.同步辐射。 27, 860–863. 科学网 交叉参考 中国科学院 IUCr日志 谷歌学者
McCoy,A.J.、Grosse-Kunstleve,R.W.、Adams,P.D.、Winn,M.D.、Storoni,L.C.和Read,R.J.(2007年)。J.应用。克里斯特。 40, 658–674. 科学之网 交叉参考 中国科学院 IUCr日志 谷歌学者
Merritt,E.A.和Bacon,D.J.(1997年)。方法酶制剂。 277, 505–524. 交叉参考 公共医学 中国科学院 科学网 谷歌学者
摩纳哥、S.、戈登、E.、鲍勒、M.W.、德拉吉尼埃、S.,吉亚罗、M.、斯普鲁斯、D.、斯文森、O.、麦克斯威尼、S.M.、麦卡锡、A.A.、伦纳德、G.和纳诺、M.H.(2013)。J.应用。克里斯特。 46, 804–810. 科学网 交叉参考 中国科学院 IUCr日志 谷歌学者
Murakami,H.、Hasegawa,K.、Ueno,G.、Yagi,N.、Yamamoto,M.和Kumasaka,T.(2020)。《水晶学报》。D类76, 155–165. 科学网 交叉参考 IUCr日志 谷歌学者
Muraki,N.、Ishii,K.、Uchiyama,S.、Itoh,S.G.、Okumura,H.和Aono,S.(2019)。Commun公司。生物。 2, 385. 交叉参考 公共医学 谷歌学者
Murshudov,G.N.、Skubák,P.、Lebedev,A.A.、Pannu,N.S.、Steiner,R.A.、Nicholls,R.A、Winn,M.D.、Long,F.&Vagin,A.(2011)。《水晶学报》。D类67, 355–367. 科学网 交叉参考 中国科学院 IUCr日志 谷歌学者
Murtagh,F.和Legendre,P.(2014)。J.分类。 31, 274–295. 科学网 交叉参考 谷歌学者
Nguyen,T.、Phan,K.L.、Kozakov,D.、Gabelli,S.B.、Kreitler,D.F.、Andrews,L.C.、Jakoncic,J.、Sweet,R.M.、Soares,A.S.和Bernstein,H.J.(2022)。《水晶学报》。D类78, 268–277. 科学网 交叉参考 IUCr日志 谷歌学者
野村、木村、T.、神马、Y.、山田、D.、山下、K.、平田、K.,上野、G.、村上春树、H.、久野、T.,山川、R.、武田、H.,戈帕拉辛根、C.、高坂、R.,柳泽、S.、Shoji、O.、Kumasaka、T.和Yamamoto,M.、Takano,Y.、Sugimoto,H.、Tosha,T.、Kubo、M.和Shiro,Y.(2021年)。程序。美国国家科学院。科学。美国,118,e2101481118科学网 交叉参考 公共医学 谷歌学者
Nurizzo,D.、Bowler,M.W.、Caseroto,H.、Dobias,F.、Giraud,T.、Surr,J.、Guichard,N.、Papp,G.、Guijarro,M.、Mueller-Dieckmann,C.、Flot,D.、McSweeney,S.、Cipriani,F.和Theveneau,P.&Leonard,G.A.(2016)。《水晶学报》。D类72, 966–975. 科学网 交叉参考 IUCr日志 谷歌学者
Oide,M.、Kato,T.、Oroguchi,T.和Nakasako,M..(2020年)。FEBS J公司。 287, 3472–3493. 交叉参考 中国科学院 公共医学 谷歌学者
Papp,G.、Felisaz,F.、Sorez,C.、Lopez-Marrero,M.、Janocha,R.、Manjasetty,B.、Gobbo,A.、Belrhali,H.、Bowler,M.W.和Cipriani,F.(2017)。《水晶学报》。D类73, 841–851. 科学网 交叉参考 IUCr日志 谷歌学者
Pettersen,E.F.、Goddard,T.D.、Huang,C.C.、Couch,G.S.、Greenblatt,D.M.、Meng,E.C.和Ferrin,T.E.(2004)。J.计算。化学。 25, 1605–1612. 科学网 交叉参考 公共医学 中国科学院 谷歌学者
Rosenbaum,D.M.、Cherezov,V.、Hanson,M.A.、Rasmussen,S.G.F.、Thian,F.S.、Kobilka,T.S.、Choi,H.-J.、Yao,X-J.、Weis,W.I.、Stevens,R.C.和Kobilca,B.K.(2007年)。科学类,318, 1266–1273. 科学之网 交叉参考 公共医学 中国科学院 谷歌学者
Sanchez-Weatherby,J.、Sandy,J.,Mikolajek,H.、Lobley,C.M.C.、Mazzorana,M.、Kelly,J.和Preece,G.、Littlewood,R.&Sörensen,T.L.-M.(2019年)。J.同步辐射。 26, 291–301. 科学网 交叉参考 中国科学院 IUCr日志 谷歌学者
Santoni,G.、Zander,U.、Mueller-Dieckmann,C.、Leonard,G.和Popov,A.(2017年)。J.应用。克里斯特。 50, 1844–1851. 科学网 交叉参考 中国科学院 IUCr日志 谷歌学者
Soares,A.S.、Yamada,Y.、Jakoncic,J.、McSweeney,S.、Sweet,R.M.、Skinner,J.、Foadi,J.、Fuchs,M.R.、Schneider,D.K.、Shi,W.、Andi,B.、Andrews,L.C.和Bernstein,H.J.(2022)。《水晶学报》。F类78, 281–288. 科学网 交叉参考 IUCr日志 谷歌学者
Ursby,T.,Åhnberg,K.,Appio,R.,Aurelius,O.,Barczyk,A.,Bartalesi,A.,Bjelčić,M.,Bolmsten,F.,Cerenius,Y.,Doak,R.B.,Eguiraun,M.,Eriksson,T.,Friel,R.J.,Gorgisyan,i.,Gross,A.,Haghigiat,V.,Hennies,F.,Jagudin,E.,Norsk Jensen,B.,Jeppsson,T.,Kloos,M.,Lidon Simon,J.,de Lima,G.M.A.,Lizatovic,R.,Lundin,M。,Milan-Otero,A.,Milas,M.,Nan,J.,Nardella,A.,Rosborg,A.,Shilova,A。J.同步辐射。 27, 1415–1429. 科学网 交叉参考 中国科学院 IUCr日志 谷歌学者
Virtanen,P.、Gommers,R.、Oliphant,T.E.、Haberland,M.、Reddy,T.、Cournapeau,D.、Burovski,E.、Peterson,P.,Weckesser,W.、Bright,J.、van der Walt,S.J.、Brett,M.,Wilson,J.,Millman,K.J.、Mayorov,N.、Nelson,A.R.J.、Jones,E.、Kern,R.,Larson,E.、Carey,C.J.、Polat,Is。,Feng,Y.、Moore,E.W.、VanderPlas,J.、Laxalde,D.、Perktold,J.,Cimrman,R.、Henriksen,I.、Quintro,E.A.、Harris,C.R.、Archibald,A.M.、Ribeiro,A.H.、Pedregosa,F.、van Mulbregt,P.、Vijaykumar,A.、Bardelli,A.P.、Rothberg,A.、Hilboll,A.、Kloeckner,A.、Scopatz,A.、Lee,A.、Rokem,A.、Woods,C.、Fulton,C.、Masson,C.、。,Häggström,C.,Fitzgerald,C.,Nicholson,D.A.,Hagen,D.R.,Pasechnik,D.V.,Olivetti,E.,Martin,E.,Wieser,E.,Silva。,Schönberger,J.L.、de Miranda Cardoso,J.V.、Reimer,J.、Harrington,J.,Rodríguez,J.L.C.、Nunez-Iglesias,J.和Kuczynski,J.;Tritz,K.、Thoma,M.、Newville,M.,Kümmerer,M.和Bolingbroke,M.;Tartre,M.。、S.、。,Tygier,S.、Sievert,S.,Vigna,S.和Peterson,S。自然方法,17, 261–272. 科学网 交叉参考 中国科学院 公共医学 谷歌学者
Vonrhein,C.、Flensburg,C.、Keller,P.、Sharff,A.、Smart,O.、Paciorek,W.、Womack,T.和Bricogne,G.(2011)。《水晶学报》。D类67, 293–302. 科学网 交叉参考 中国科学院 IUCr日志 谷歌学者
Wang,L.,Yun,Y.,Zhu,Z.和Niu,L.(2022)。《水晶学报》。D类78, 890–902. 交叉参考 IUCr日志 谷歌学者
Winter,G.(2010)。J.应用。克里斯特。 43, 186–190. 科学网 交叉参考 中国科学院 IUCr日志 谷歌学者
Winter,G.&McAuley,K.E.(2011年)。方法,55, 81–93. 科学网 交叉参考 中国科学院 公共医学 谷歌学者
Wojdyr,M.、Keegan,R.、Winter,G.和Ashton,A.(2013)。《水晶学报》。A类69,第299节科学网 交叉参考 IUCr日志 谷歌学者
Yamada,Y.、Matsugaki,N.、Chavas,L.M.G.、Hiraki,M.、Igarashi,N.和Wakatsuki,S.(2013年)。《物理学杂志》。Conf.序列号。 425, 012017. 交叉参考 谷歌学者
Yamane,J.、Yao,M.、Zhou,Y.、Hiramatsu,Y.,Fujiwara,K.、Yamaguchi,T.、Yamagochi,H.、Togame,H.,Tsujishita,H.和Tanaka,I.(2011年)。J.应用。克里斯特。 44, 798–804. 科学网 交叉参考 中国科学院 IUCr日志 谷歌学者
Yamashita,K.、Hirata,K.和Yamamoto,M.(2018年)。《水晶学报》。D类74, 441–449. 科学之网 交叉参考 IUCr日志 谷歌学者
Zander,U.、Bourenkov,G.、Popov,A.N.、de Sanctis,D.、Svensson,O.、McCarthy,A.A.、Round,E.、Gordeliy,V.、Mueller-Dieckmann,C.和Leonard,G.A.(2015)。《水晶学报》。D类71, 2328–2343. 科学网 交叉参考 IUCr日志 谷歌学者
| 结构 生物学 |
国际标准编号:2059-7983
打开访问