guest ::
DFG project G:(GEPRIS)329485219
Aktivierung von Glutamatrezeptorkomplexen durch Kombination von Experiment, Simulation und maschinellem Lernen
| Coordinator | Professor Dr. Frank Noé ; Professor Dr. Andrew Plested |
| Grant period | 2017 - 2024 |
| Funding body | Deutsche Forschungsgemeinschaft |
| DFG | |
| Identifier | G:(GEPRIS)329485219 |
⇧ FOR 2518: Funktionale Dynamik von Ionenkanälen und Transportern - DynIon - ⇧
Note: Glutamatrezeptoren sind tetramere Ionenkanäle mit einer ausgeprägten Domänen-Architektur. Trotz zahlreicher struktureller Studien ist das Verständnis der Dynamik dieser Rezeptoren weiterhin lückenhaft. Jüngste Fortschritte in der Strukturbiologie trugen zur Veranschaulichung der Interaktionen zwischen AMPA-Typ Glutamatrezeptoren und auxiliären Untereinheiten bei, doch die Dynamik dieser Komplexe bleibt unklar. Im Rahmen dieses Projektes werden wir die zentralen Interaktionen der Rezeptoraktivierung und deren Modulation durch auxiliäre Proteine isolieren und studieren. Dieses Projekt hat eine methodische und eine angewandte Seite. Auf der angewandten Seite werden wir Laborexperimente an auxiliären Protein-Rezeptor-Komplexen mit Molekulardynamik- (MD) Simulationen verbinden. Dies ermöglicht die Identifikation von Bindestellen und Dynamik der auxiliären Proteinelemente, sowie des Mechanismus, mit dem diese die Kanalaktivität regulieren. Wir beginnen mit einem Vergleich zweier essenzieller auxiliärer Proteine, gamma-2 (Stargazin) und gamma-8, für die seit kurzem Strukturen verfügbar sind. Die Fragestellung lautet, ob eingeschränkte Interaktionen mit nur zwei Rezeptoruntereinheiten ausreichend für die Rezeptormodulation sind. Darüber hinaus werden wir die Hierarchie von positiven und negativen Modulationen bestimmen. In der letzten Förderperiode nutzten wir maschinelle Lernverfahren, um den Konformationsraum von AMPA-Rezeptoren zu bestimmen und erstellten ein robustes Markov State Model (MSM) der Kanalkinetik. Das Multiproteinsystem, bestehend aus AMPA-Rezeptor und seinen auxiliären Proteinen, liegt nach wie vor außer Reichweite extensiver MD Simulationen. Deshalb werden wir weitere maschinelle Lernverfahren entwickeln, um den Gesamtkomplex als ein System langsam schaltender Untereinheiten darzustellen. Zu diesem Zweck werden wir unseren VAMPnet-Ansatz verwenden und weiterentwickeln. Wir beabsichtigen auch unsere kürzlich vorgeschlagenen Boltzmann-Generatoren zu nutzen, um freie Energieunterschiede zwischen verschiedenen Zuständen von Rezeptor und auxiliären Proteinen effizient zu berechnen. Wir werden die Vorhersagen dieser neuen Methoden experimentell validieren und streben schließlich ein integriertes mechanistisches Modell der funktionalen AMPA Rezeptorzustände und ihrer Kinetiken an.
Recent Publications
There are no publications
Record created 2023-01-19, last modified 2024-11-27