Zirkularer Dichroismus (CD) ist eine schnelle molekulare Spektroskopietechnik, die weit verbreitet ist, um die Sekundärstruktur von Proteinen zu charakterisieren. Sie erfordert nur geringe Mengen an Protein und ist empfindlich gegenüber konformationellen Änderungen, die durch unterschiedliche experimentelle Bedingungen verursacht werden. Die Interpretation von CD-Ergebnissen kann erheblich verbessert werden, indem sie mit zuverlässigen spektralen Vorhersagen korreliert werden, die von den entsprechenden dreidimensionalen Strukturen abgeleitet sind. Solche Strukturen können aus verschiedenen Quellen gewonnen werden, einschließlich der Protein-Datenbank, AlphaFold oder simulationsbasierter molekularer Dynamik. Dieses Poster diskutiert eine aktualisierte Version der wissensbasierten Zirkular Dichroismus-Vorhersagemethode, die als KCD-AI bezeichnet wird. Der Kernalgorithmus basiert auf der klassischen Theorie der optischen Aktivität und nutzt eine Reihe von optimierten atomaren Polarizierbarkeiten, die aus der Analyse experimenteller Daten abgeleitet sind. Eine kürzliche Implementierung eines neuronalen Netzwerks ermöglicht es uns, eine Reihe von Gewichtungen zu bestimmen, die eine geeignete Kombination von Polarizierbarkeiten aus einem Basisset erzeugen. Diese Kombination wird verwendet, um das CD-Spektrum eines untersuchten Proteins zu berechnen, was zu einer genaueren spektralen Vorhersage führt. Die KCD-AI-Methode kann eingesetzt werden, um die Sekundärstruktur eines Proteins und dessen konformationale Änderungen unter verschiedenen Umweltbedingungen zu bewerten, wie z.B. Änderungen in der Temperatur, dem pH-Wert oder der Exposition gegenüber denaturierenden Agenzien. Darüber hinaus kann KCD-AI helfen, die Rekonstruktion fehlender Aminosäurestränge in Protein-Kristallstrukturen zu bewerten.
Carbajal-Tinoco et al. (2026) haben diese Frage untersucht.