结晶数据库的统计分析将蛋白质理化特征与结晶机制联系起来

X 射线晶体学是获取生物大分子原子尺度信息的主要方法。尽管该技术已取得成功，但获得具有良好衍射能力的晶体仍然是从蛋白质到结构解析的关键限制因素。在实践中，结晶过程依赖于基于知识的经验主义。由于涉及大量变量，更好的理化理解仍然难以获得，因此几乎没有可用的指导来系统地识别促进结晶的溶液条件。为了帮助确定大分子特性与其结晶倾向之间的关系，我们利用东北结构基因组学联盟提供的 182 种蛋白质样本训练了统计模型。高斯过程能够捕捉线性统计模型无法触及的趋势，其区分了驱动结晶的两种主要理化机制。一种机制的特征是侧链熵水平较低，这在文献中已有广泛报道。另一种机制则识别出此前未在结晶背景下描述过的特定静电相互作用。由于可以从晶体接触以及导致成功结晶的溶液条件中 glean 到这两种不同机制的证据，该模型为基于部分结构信息优化结晶筛选提供了未来途径。因此，结合结构结果分析的结晶数据可用性，并通过最先进的统计模型进行分析，可能会引导大分子结晶走向更理性的基础。