利用监督与无监督机器学习预测光系统II放氧复合体中Mn离子的氧化态
化学物理
2022-01-13 v2 生物物理
摘要
X射线自由电子激光(XFEL)光源处的串行飞秒晶体学使得对光系统II放氧反应的催化中间体进行成像成为可能。然而,由于S态的非相干跃迁,所解析的结构是不同催化态的卷积。在此,我们在从剑桥晶体学数据库获得的Mn化合物上训练决策树分类器和K均值聚类模型,通过预测放氧复合体(OEC)中Mn的氧化态来预测X射线、XFEL和低温电子显微镜(CryoEm)结构的S态。该模型在暗态S1态下大多与XFEL结构一致。然而,对于激发态XFEL态(S2、S3和S0)以及X射线和CryoEm结构的暗态,观察到显著偏差。此外,在同一二聚体的两个单体之间预测的S态存在不匹配,主要出现在激发态中。该模型表明,提高分辨率对于精确解析光照S态的几何结构以克服非相干S态跃迁至关重要。此外,在X射线和CryoEM结构中观察到显著的辐射损伤,特别是在悬垂Mn中心(Mn4)。我们的模型是研究PSII催化金属簇电子结构以理解水分解机制的宝贵工具。
引用
@article{arxiv.2112.15460,
title = {Predicting the Oxidation States of Mn ions in the Oxygen Evolving Complex of Photosystem II Using Supervised and Unsupervised Machine Learning},
author = {Muhamed Amin},
journal= {arXiv preprint arXiv:2112.15460},
year = {2022}
}