Three macromolecular crystallography (MX) beamlines at the Helmholtz-Zentrum Berlin (HZB) are available for the regional, national and international structural biology user community. The state-of-the-art synchrotron beamlines for MX BL14.1, BL14.2 and BL14.3 are located within the low-β section of the BESSY II electron storage ring. All beamlines are fed from a superconducting 7 T wavelength-shifter insertion device. BL14.1 and BL14.2 are energy tunable in the range 5–16 keV, while BL14.3 is a fixed-energy side station operated at 13.8 keV. All three beamlines are equipped with CCD detectors. BL14.1 and BL14.2 are in regular user operation providing about 200 beam days per year and about 600 user shifts to approximately 50 research groups across Europe. BL14.3 has initially been used as a test facility and was brought into regular user mode operation during the year 2010. BL14.1 has recently been upgraded with a microdiffractometer including a mini-κ goniometer and an automated sample changer. Additional user facilities include office space adjacent to the beamlines, a sample preparation laboratory, a biology laboratory (safety level 1) and high-end computing resources. In this article the instrumentation of the beamlines is described, and a summary of the experimental possibilities of the beamlines and the provided ancillary equipment for the user community is given.

Jumping can be a very efficient mode of locomotion for small robots to overcome large obstacles and travel in natural, rough terrain. In this paper we present the development and characterization of a novel 5 cm, 7g jumping robot. It can jump obstacles more than 27 times its own size and outperforms existing jumping robots by one order of magnitude with respect to jump height per weight and jump height per size. It employs elastic elements in a four bar linkage leg system to allow for very powerful jumps and adjustment of the jumping force, take-off angle and force profile during the acceleration phase.

ABSTRACT The SARS-CoV-2 macrodomain (Mac1) within the non-structural protein 3 (Nsp3) counteracts host-mediated antiviral ADP-ribosylation signalling. This enzyme is a promising antiviral target because catalytic mutations render viruses non-pathogenic. Here, we report a massive crystallographic screening and computational docking effort, identifying new chemical matter primarily targeting the active site of the macrodomain. Crystallographic screening of diverse fragment libraries resulted in 214 unique macrodomain-binding fragments, out of 2,683 screened. An additional 60 molecules were selected from docking over 20 million fragments, of which 20 were crystallographically confirmed. X-ray data collection to ultra-high resolution and at physiological temperature enabled assessment of the conformational heterogeneity around the active site. Several crystallographic and docking fragment hits were validated for solution binding using three biophysical techniques (DSF, HTRF, ITC). Overall, the 234 fragment structures presented explore a wide range of chemotypes and provide starting points for development of potent SARS-CoV-2 macrodomain inhibitors.

The COVID-19 pandemic, instigated by the SARS-CoV-2 coronavirus, continues to plague the globe. The SARS-CoV-2 main protease, or Mpro, is a promising target for development of novel antiviral therapeutics. Previous X-ray crystal structures of Mpro were obtained at cryogenic temperature or room temperature only. Here we report a series of high-resolution crystal structures of unliganded Mpro across multiple temperatures from cryogenic to physiological, and another at high humidity. We interrogate these datasets with parsimonious multiconformer models, multi-copy ensemble models, and isomorphous difference density maps. Our analysis reveals a temperature-dependent conformational landscape for Mpro, including mobile solvent interleaved between the catalytic dyad, mercurial conformational heterogeneity in a key substrate-binding loop, and a far-reaching intramolecular network bridging the active site and dimer interface. Our results may inspire new strategies for antiviral drug development to counter-punch COVID-19 and combat future coronavirus pandemics.

KAMO and Blend provide particularly effective tools to automatically manage the merging of large numbers of data sets from serial crystallography. The requirement for manual intervention in the process can be reduced by extending Blend to support additional clustering options to increase the sensitivity to differences in unit cell parameters and to allow for clustering of nearly complete datasets on the basis of intensity or amplitude differences. If datasets are already sufficiently complete to permit it, apply KAMO once, just for reflections. If starting from incomplete datasets, one applies KAMO twice, first using cell parameters. In this step either the simple cell vector distance of the original Blend is used, or the more sensitive NCDist, to find clusters to merge to achieve sufficient completeness to allow intensities or amplitudes to be compared. One then uses KAMO again using the correlation between the reflections at the common HKLs to merge clusters in a way sensitive to structural differences that may not perturb the cell parameters sufficiently to make meaningful clusters. Many groups have developed effective clustering algorithms that use a measurable physical parameter from each diffraction still or wedge to cluster the data into categories which can then be merged to, hopefully, yield the electron density from a single protein iso-form. What is striking about many of these physical parameters is that they are largely independent from one another. Consequently, it should be possible to greatly improve the efficacy of data clustering software by using a multi-stage partitioning strategy. Here, we have demonstrated one possible approach to multi-stage data clustering. Our strategy was to use unit-cell clustering until merged data was of sufficient completeness to then use intensity based clustering. We have demonstrated that, using this strategy, we were able to accurately cluster data sets from crystals that had subtle differences.