The liquid drop model the shell model rotation and single-particle motion nuclear forces the Hartree-Fock method pairing correlations and superfluid nuclei the generalized single-particle model (HFB theory) harmonic vibrations boson expansion methods the generator coordinate method restoration of broken symmetries the time dependent Hartree-Fock method (TDHF) semiclassical methods in nuclear physics. Appendices: angular momentum algebra in the laboratory and the body-fixed system electromagnetic moments and transitions second quantization density matrices theorems concerning product wave functions many-body green's functions.

Strategies for the deconvolution of diffusion in the determination of size-distributions from sedimentation velocity experiments were examined and developed. On the basis of four different model systems, we studied the differential apparent sedimentation coefficient distributions by the time-derivative method, g(s*), and by least-squares direct boundary modeling, ls-g*(s), the integral sedimentation coefficient distribution by the van Holde-Weischet method, G(s), and the previously introduced differential distribution of Lamm equation solutions, c(s). It is shown that the least-squares approach ls-g*(s) can be extrapolated to infinite time by considering area divisions analogous to boundary divisions in the van Holde-Weischet method, thus allowing the transformation of interference optical data into an integral sedimentation coefficient distribution G(s). However, despite the model-free approach of G(s), for the systems considered, the direct boundary modeling with a distribution of Lamm equation solutions c(s) exhibited the highest resolution and sensitivity. The c(s) approach requires an estimate for the size-dependent diffusion coefficients D(s), which is usually incorporated in the form of a weight-average frictional ratio of all species, or in the form of prior knowledge of the molar mass of the main species. We studied the influence of the weight-average frictional ratio on the quality of the fit, and found that it is well-determined by the data. As a direct boundary model, the calculated c(s) distribution can be combined with a nonlinear regression to optimize distribution parameters, such as the exact meniscus position, and the weight-average frictional ratio. Although c(s) is computationally the most complex, it has the potential for the highest resolution and sensitivity of the methods described.

A new $\ensuremath{\alpha}$-cluster wave function is proposed which is of the $\ensuremath{\alpha}$-particle condensate type. Applications to ${}^{12}\mathrm{C}$ and ${}^{16}\mathrm{O}$ show that states of low density close to the 3 and 4 $\ensuremath{\alpha}$-particle thresholds in both nuclei are possibly of this kind. It is conjectured that all self-conjugate $4n$ nuclei may show similar features.

Analytical ultracentrifugation is one of the classical techniques for the study of protein interactions and protein self-association. Recent instrumental and computational developments have significantly enhanced this methodology. In this paper, new tools for the analysis of protein self-association by sedimentation velocity are developed, their statistical properties are examined, and considerations for optimal experimental design are discussed. A traditional strategy is the analysis of the isotherm of weight-average sedimentation coefficients s(w) as a function of protein concentration. From theoretical considerations, it is shown that integration of any differential sedimentation coefficient distribution c(s), ls-g(*)(s), or g(s(*)) can give a thermodynamically well-defined isotherm, as long as it provides a good model for the sedimentation profiles. To test this condition for the g(s(*)) distribution, a back-transform into the original data space is proposed. Deconvoluting diffusion in the sedimentation coefficient distribution c(s) can be advantageous to identify species that do not participate in the association. Because of the large number of scans that can be analyzed in the c(s) approach, its s(w) values are very precise and allow extension of the isotherm to very low concentrations. For all differential sedimentation coefficients, corrections are derived for the slowing of the sedimentation boundaries caused by radial dilution. As an alternative to the interpretation of the isotherm of the weight-average s value, direct global modeling of several sedimentation experiments with Lamm equation solutions was studied. For this purpose, a new software SEDPHAT is introduced, allowing the global analysis of several sedimentation velocity and equilibrium experiments. In this approach, information from the shape of the sedimentation profiles is exploited, which permits the identification of the association scheme and requires fewer experiments to precisely characterize the association. Further, under suitable conditions, fractions of incompetent material that are not part of the reversible equilibrium can be detected.

Sedimentation velocity analytical ultracentrifugation is an important tool in the characterization of macromolecules and nanoparticles in solution. The sedimentation coefficient distribution c(s) of Lamm equation solutions is based on the approximation of a single, weight-average frictional coefficient of all particles, determined from the experimental data, which scales the diffusion coefficient to the sedimentation coefficient consistent with the traditional s ∼M2/3 power law. It provides a high hydrodynamic resolution, where diffusional broadening of the sedimentation boundaries is deconvoluted from the sedimentation coefficient distribution. The approximation of a single weight-average frictional ratio is favored by several experimental factors, and usually gives good results for chemically not too dissimilar macromolecules, such as mixtures of folded proteins. In this communication, we examine an extension to a two-dimensional distribution of sedimentation coefficient and frictional ratio, c(s,fr), which is representative of a more general set of size-and-shape distributions, including mass-Stokes radius distributions, c(M,RS), and sedimentation coefficient-molar mass distributions c(s,M). We show that this can be used to determine average molar masses of macromolecules and characterize macromolecular distributions, without the approximation of any scaling relationship between hydrodynamic and thermodynamic parameters.

Isothermal titration calorimetry (ITC) is a powerful classical method that enables researchers in many fields to study the thermodynamics of molecular interactions. Primary ITC data comprise the temporal evolution of differential power reporting the heat of reaction during a series of injections of aliquots of a reactant into a sample cell. By integration of each injection peak, an isotherm can be constructed of total changes in enthalpy as a function of changes in solution composition, which is rich in thermodynamic information on the reaction. However, the signals from the injection peaks are superimposed by the stochastically varying time-course of the instrumental baseline power, limiting the precision of ITC isotherms. Here, we describe a method for automated peak assignment based on peak-shape analysis via singular value decomposition in combination with detailed least-squares modeling of local pre- and postinjection baselines. This approach can effectively filter out contributions of short-term noise and adventitious events in the power trace. This method also provides, for the first time, statistical error estimates for the individual isotherm data points. In turn, this results in improved detection limits for high-affinity or low-enthalpy binding reactions and significantly higher precision of the derived thermodynamic parameters.

The protein refractive index increment, dn/dc, is an important parameter underlying the concentration determination and the biophysical characterization of proteins and protein complexes in many techniques. In this study, we examine the widely used assumption that most proteins have dn/dc values in a very narrow range, and reappraise the prediction of dn/dc of unmodified proteins based on their amino acid composition. Applying this approach in large scale to the entire set of known and predicted human proteins, we obtain, for the first time, to our knowledge, an estimate of the full distribution of protein dn/dc values. The distribution is close to Gaussian with a mean of 0.190 ml/g (for unmodified proteins at 589 nm) and a standard deviation of 0.003 ml/g. However, small proteins <10 kDa exhibit a larger spread, and almost 3000 proteins have values deviating by more than two standard deviations from the mean. Due to the widespread availability of protein sequences and the potential for outliers, the compositional prediction should be convenient and provide greater accuracy than an average consensus value for all proteins. We discuss how this approach should be particularly valuable for certain protein classes where a high dn/dc is coincidental to structural features, or may be functionally relevant such as in proteins of the eye.

Natively unfolded proteins play key roles in normal and pathological biochemical processes. Despite their importance for function, this category of proteins remains beyond the reach of classical structural biology because of their inherent conformational heterogeneity. We present a description of the intrinsic conformational sampling of unfolded proteins based on residue-specific φ/Ψ propensities from loop regions of a folded protein database and simple volume exclusion. This approach is used to propose a structural model of the 57-aa, natively disordered region of the nucleocapsid-binding domain of Sendai virus phosphoprotein. Structural ensembles obeying these simple rules of conformational sampling are used to simulate averaged residual dipolar couplings (RDCs) and small-angle x-ray scattering data. This protein is particularly informative because RDC data from the equally sized folded and unfolded domains both report on the unstructured region, allowing a quantitative analysis of the degree of order present in this part of the protein. Close agreement between experimental and simulated RDC and small-angle x-ray scattering data validates this simple model of conformational sampling, providing a precise description of local structure and dynamics and average dimensions of the ensemble of sampled structures. RDC data from two urea-unfolded systems are also closely reproduced. The demonstration that conformational behavior of unfolded proteins can be accurately predicted from the primary sequence by using a simple set of rules has important consequences for our understanding of the structure and dynamics of the unstructured state.