Теперь Гуннар Шредер из Института сложных систем в Forschungszentrum Julich и Университета Дюссельдорфа, Германия, и его коллеги из Медицинской школы Стэнфордского университета, США, пересмотрели свой более ранний метод усовершенствования, известный как Deformable Elastic Network (DEN), и нашли способы оптимизации он успешно используется для исследования нескольких особенно проблематичных белковых структур, включая растворимые белки и мембранные белки, с пределом разрешения от 3 до 7A.Команда объясняет, что достижения в области рентгеновских технологий и источников света в последние годы привели к созданию структур для ранее трудноразрешимых белков, таких как рибосома, комплексы транскрипции и даже вирусы.
Затем детали заключаются в успешном уточнении, которое может предоставить ценную информацию о рассматриваемой структуре, несмотря на более низкое разрешение, чем обычно было бы желательно. «Интерпретация дифракционных данных с низким разрешением, как правило, затруднительна, — говорит команда, — из-за неблагоприятного соотношения параметров (переменных степеней свободы, таких как гибкие торсионные углы или декартовы координаты атомов) к наблюдаемым (наблюдаемые интенсивности дифракции). " Многочисленны двусмысленности и ошибки толкования.Подход DEN начинается с модели, прогноза целевой структуры, содержащей столько информации, сколько известно, до ввода дифракционных данных, и определяет, какие особенности модели следует скорректировать, чтобы они соответствовали дифракционным данным, полученным из Рентгеновские эксперименты. Другими словами, применяется нулевая гипотеза; те части модели, которые, по прогнозам, не изменят дифракционные данные, сохраняются как есть.
Расстояния между случайно выбранными парами атомов в структуре проверяются и соответствующим образом корректируются в пределах ограничения расстояния, обычно называемого эластичной сетью.