A bstract The possible effects of mutations on stability and function of a protein can only be understood in the context of protein 3D structure. The M utation E xplorer webserver maps variants onto protein structures and allows users to study variation by inputting sequence changes. As the user enters variants, the 3D model evolves, and estimated changes in energy are highlighted. In addition to a basic per-residue input format, M utation E xplorer can also upload an entire replacement sequence. Previously the purview of desktop applications, such an upload can back-mutate PDB structures to wildtype sequence in a single step. Structures are flexibly colorable, not only by energetic differences, but also by hydrophobicity, or sequence conservation, or other biochemical profiling. Another mutation source can be human single nucelotide polymorphisms (SNPs), genomic coordinates input in VCF format. M utation E xplorer strives for efficiency in user experience. For example, we have prepared 45,000 PDB depositions for instant retrieval and initial display. All modeling steps are performed by Rosetta. Visualizations leverage MDsrv/Mol*. M utation E xplorer is available at: http://proteinformatics.org/mutation_explorer/

Abstract Next-generation sequencing of human genomes reveals millions of missense variants, some of which may lead to loss of protein function and ultimately disease. We here investigate missense variants in membrane proteins — key drivers in cell signaling and recognition. We find enrichment of pathogenic variants in the transmembrane region across 19,000 functionally classified variants in human membrane proteins. To accurately predict variant consequences, one fundamentally needs to understand the reasons for pathogenicity. A key mechanism underlying pathogenicity in missense variants of soluble proteins has been shown to be loss of stability. Membrane proteins though are widely understudied. We here interpret for the first time on a larger scale variant effects by performing structure-based estimations of changes in thermodynamic stability under the usage of a membrane-specific force-field and evolutionary conservation analyses of 15 transmembrane proteins. We find evidence for loss of stability being the cause of pathogenicity in more than half of the pathogenic variants, indicating that this is a driving factor also in membrane-protein-associated diseases. Our findings show how computational tools aid in gaining mechanistic insights into variant consequences for membrane proteins. To enable broader analyses of disease-related and population variants, we include variant mappings for the entire human proteome. SIGNIFICANCE Genome sequencing is revealing thousands of variants in each individual, some of which may increase disease risks. In soluble proteins, stability calculations have successfully been used to identify variants that are likely pathogenic due to loss of protein stability and subsequent degradation. This knowledge opens up potential treatment avenues. Membrane proteins form about 25% of the human proteome and are key to cellular function, however calculations for disease-associated variants have not systematically been tested on them. Here we present a new protocol for stability calculations on membrane proteins under the usage of a membrane specific force-field and its proof-of-principle application on 15 proteins with disease-associated variants. We integrate stability calculations with evolutionary sequence analysis, allowing us to separate variants where loss of stability is the most likely mechanism from those where other protein properties such as ligand binding are affected.

Abstract Each year vast international resources are wasted on irreproducible research. The scientific community has been slow to adopt standard software engineering practices, despite the increases in high-dimensional data, complexities of workflows, and computational environments. Here we show how scientific software applications can be created in a reproducible manner when simple design goals for reproducibility are met. We describe the implementation of a test server framework and 40 scientific benchmarks, covering numerous applications in Rosetta bio-macromolecular modeling. High performance computing cluster integration allows these benchmarks to run continuously and automatically. Detailed protocol captures are useful for developers and users of Rosetta and other macromolecular modeling tools. The framework and design concepts presented here are valuable for developers and users of any type of scientific software and for the scientific community to create reproducible methods. Specific examples highlight the utility of this framework and the comprehensive documentation illustrates the ease of adding new tests in a matter of hours.

G-protein-coupled receptors (GPCRs) activate heterotrimeric G proteins by promoting guanine nucleotide exchange. Here, we investigate the coupling of G proteins with GPCRs and describe the events that ultimately lead to the ejection of GDP from its binding pocket in the Gα subunit, the rate-limiting step during G-protein activation. Using molecular dynamics simulations, we investigate the temporal progression of structural rearrangements of GDP-bound G

The rise of open science and the absence of a global dedicated data repository for molecular dynamics (MD) simulations has led to the accumulation of MD files in generalist data repositories, constituting the dark matter of MD — data that is technically accessible, but neither indexed, curated, or easily searchable. Leveraging an original search strategy, we found and indexed about 250,000 files and 2000 datasets from Zenodo, Figshare and Open Science Framework. With a focus on files produced by the Gromacs MD software, we illustrate the potential offered by the mining of publicly available MD data. We identified systems with specific molecular composition and were able to characterize essential parameters of MD simulation such as temperature and simulation length, and could identify model resolution, such as all-atom and coarse-grain. Based on this analysis, we inferred metadata to propose a search engine prototype to explore the MD data. To continue in this direction, we call on the community to pursue the effort of sharing MD data, and to report and standardize metadata to reuse this valuable matter.

G protein-coupled receptors (GPCRs) are involved in numerous physiological processes and are the most frequent targets of approved drugs. The explosion in the number of new 3D molecular structures of GPCRs (3D-GPCRome) during the last decade has greatly advanced the mechanistic understanding and drug design opportunities for this protein family. While experimentally-resolved structures undoubtedly provide valuable snapshots of specific GPCR conformational states, they give only limited information on their flexibility and dynamics associated with function. Molecular dynamics (MD) simulations have become a widely established technique to explore the conformational landscape of proteins at an atomic level. However, the analysis and visualization of MD simulations requires efficient storage resources and specialized software, hence limiting the dissemination of these data to specialists in the field. Here we present the GPCRmd ( ), an online platform that incorporates web-based visualization capabilities as well as a comprehensive and user-friendly analysis toolbox that allows scientists from different disciplines to visualize, analyse and share GPCR MD data. GPCRmd originates from a community-driven effort to create the first open, interactive, and standardized database of GPCR MD simulations. We demonstrate the power of this resource by performing comparative analyses of multiple GPCR simulations on two mechanisms critical to receptor function: internal water networks and sodium ion interaction.

The rise of open science and the absence of a global dedicated data repository for molecular dynamics (MD) simulations has led to the accumulation of MD files in generalist data repositories, constituting the dark matter of MD - data that is technically accessible, but neither indexed, curated, or easily searchable. Leveraging an original search strategy, we found and indexed about 250,000 files and 2,000 datasets from Zenodo, Figshare and Open Science Framework. With a focus on files produced by the Gromacs MD software, we illustrate the potential offered by the mining of publicly available MD data. We identified systems with specific molecular composition and were able to characterize essential parameters of MD simulation, such as temperature and simulation length, and identify model resolution, such as all-atom and coarse-grain. Based on this analysis, we inferred metadata to propose a search engine prototype to explore collected MD data. To continue in this direction, we call on the community to pursue the effort of sharing MD data, and increase populating and standardizing metadata to reuse this valuable matter.