Search

Nanobodies can achieve remarkable neutralization of genetically diverse pathogens, including HIV-1. To gain insight into their recognition, we determined crystal structures of four llama nanobodies (J3, A12, C8, and D7), all of which targeted the CD4-binding site, in complex with the HIV-1 envelope (Env) gp120 core, and determined a cryoelectron microscopy (cryo-EM) structure of J3 with the Env trimer. Crystal and cryo-EM structures of J3 complexes revealed this nanobody to mimic binding to the prefusion-closed trimer for the primary site of CD4 recognition as well as a secondary quaternary site. In contrast, crystal structures of A12, C8, and D7 with gp120 revealed epitopes that included portions of the gp120 inner domain, inaccessible on the prefusion-closed trimer. Overall, these structures explain the broad and potent neutralization of J3 and limited neutralization of A12, C8, and D7, which utilized binding modes incompatible with the neutralization-targeted prefusion-closed conformation of Env.

Additional file 3. Complete baseline characteristics for diabetes and obesity study.

Additional file 4. Scaled Schoenfeld Residuals test results for risk analysis.

Additional file 1. Details of machine learning methods.

Additional file 2. Gender stratified analysis.

Scatterplot comparing the accuracies of the top L contacts of PSICOV to COUSCOus, using sequence separation â Ľ6. (PDF 78 kb)

A complete list of all CASP11 protein codes applied in this study. (PDF 72.9 kb)

Mean accuracies of several contact detecting methods for the top- L/10,L/5 and L predictions for all contact types applying the PSICOV benchmark dataset. (PDF 85.6 kb)

Duisburg, Essen, Univ., Diss., 2014 Im Laufe der Jahrmillionen hat die Evolution durch einige einfache Mechanismen wie Mutation, Selektion oder auch Vererbung eine erstaunliche Artenvielfalt hervorgebracht. Diese Prinzipien können auch beim computergestützten Entwurf von Proteinen und/oder Proteinsequenzen mit gewünschten Eigenschaften, wie z.B. Stabilität oder Funktionalität einer Proteinstruktur, angewandt werden. Da jedoch der mögliche Konformations- und Sequenzraum für bereits kleine Proteine immens groß wird, werden hier vereinfachte Gitterproteinmodelle verwendet. Im ersten Teil der Promotionsarbeit werden evolutionäre Algorithmen, im Besonderen S Metric Selection - Evolutionary Multi-objective Optimisation Algorithm (SMS-EMOA), implementiert und angewandt um möglichst optimale evolutionäre Parameter zu identifizieren, z.B. Populationsgröße oder Mutationsrate. Interessanterweise spielt die richtige Auswahl der evolutionären Parameter eine entscheidende Rolle bezüglich der Effizienz der Algorithmen. Im zweiten Teil der Arbeit wird die Evolution von Proteinen beobachtet und analysiert. Ein besonderes Augenmerk wird dabei auf Positionen gelegt, die nicht konserviert sind. Gleichwohl können diese mit kompensatorischen Mutationen an anderen Stellen im Protein strukturell wichtige Funktionen einnehmen. Hierbei werden verschiedene Koevolutionsmethoden, wie z.B. die Mutual Information (MI) oder die Direct Coupling Analysis (DCA), weiterentwickelt und verglichen. Anschließend wird die DCA-Methode mit einer neu verbesserten Gewichtung angewandt um koevolvierende Positionen im Humanen Immundefizienz-Virus (HIV) Hüllprotein-Komplex (Env) vorherzusagen. Bemerkenswerterweise wurden dabei sowohl bereits in der Literatur beschriebene als auch noch unbekannte Positionen identifiziert, die eine entscheidende Rolle im Eintritt des Viruses in die humane Wirtszelle spielen können. Schließlich wurden die koevolvierenden Positionen bei der Erstellung eines Homologiemodells des Protein-Komplexes verwendet.