Here, we introduce FRETpredict, a Python software program to predict FRET efficiencies from ensembles of protein conformations. FRETpredict uses an established Rotamer Library Approach to describe the FRET probes covalently bound to the protein. The software efficiently operates on large conformational ensembles such as those generated by molecular dynamics simulations to facilitate the validation or refinement of molecular models and the interpretation of experimental data. We demonstrate the performance and accuracy of the software for different types of systems: a relatively structured peptide (polyproline 11), an intrinsically disordered protein (ACTR), and three folded proteins (HiSiaP, SBD2, and MalE). We also describe a general approach to generate new rotamer libraries for FRET probes of interest. FRETpredict is open source (GPLv3) and is available at github.com/KULL-Centre/FRETpredict and as a Python PyPI package at pypi.org/project/FRETpredict.

Abstract Owing to their plasticity, intrinsically disordered and multidomain proteins require descriptions based on multiple conformations, thus calling for techniques and analysis tools that are capable of dealing with conformational ensembles rather than a single protein structure. Here, we introduce DEER-PREdict, a software to predict Double Electron-Electron Resonance distance distributions as well as Paramagnetic Relaxation Enhancement rates from ensembles of protein conformations. DEER-PREdict uses an established rotamer library approach to describe the paramagnetic probes which are bound covalently to the protein. DEER-PREdict has been designed to operate efficiently on large conformational ensembles, such as those generated by molecular dynamics simulation, to facilitate the validation or refinement of molecular models as well as the interpretation of experimental data. The performance and accuracy of the software is demonstrated with experimentally characterized protein systems: HIV-1 protease, T4 Lysozyme and Acyl-CoA-binding protein. DEER-PREdict is open source (GPLv3) and available at github.com/KULL-Centre/DEERpredict and as a Python PyPI package pypi.org/project/DEERPREdict .

Polyglutamine (polyQ) tracts are regions of low sequence complexity of variable length found in more than one hundred human proteins. These tracts are frequent in activation domains of transcription factors and their length often correlates with transcriptional activity. In addition, in nine proteins, tract elongation beyond specific thresholds causes polyQ disorders. To study the structural basis of the association between tract length, transcriptional activity and disease, here we addressed how the conformation of the polyQ tract of the androgen receptor (AR), a transcription factor associated with the polyQ disease spinobulbar muscular atrophy (SBMA), depends on its length. We found that the tract folds into a helical structure stabilized by unconventional hydrogen bonds between glutamine side chains and main chain carbonyl groups. These bonds are bifurcate with the conventional main chain to main chain hydrogen bonds stabilizing α-helices. In addition, since tract elongation provides additional interactions, the helicity of the polyQ tract directly correlates with its length. These findings suggest a plausible rationale for the association between polyQ tract length and AR transcriptional activity and have implications for establishing the mechanistic basis of SBMA.