The HIV-1-envelope (Env) trimer is covered by a glycan shield of ∼90 N-linked oligosaccharides, which comprises roughly half its mass and is a key component of HIV evasion from humoral immunity. To understand how antibodies can overcome the barriers imposed by the glycan shield, we crystallized fully glycosylated Env trimers from clades A, B, and G, visualizing the shield at 3.4–3.7 Å resolution. These structures reveal the HIV-1-glycan shield to comprise a network of interlocking oligosaccharides, substantially ordered by glycan crowding, that encase the protein component of Env and enable HIV-1 to avoid most antibody-mediated neutralization. The revealed features delineate a taxonomy of N-linked glycan-glycan interactions. Crowded and dispersed glycans are differently ordered, conserved, processed, and recognized by antibody. The structures, along with glycan-array binding and molecular dynamics, reveal a diversity in oligosaccharide affinity and a requirement for accommodating glycans among known broadly neutralizing antibodies that target the glycan-shielded trimer.

An antibody to block viral fusion A small fraction of HIV-1–infected individuals develop broad and potent antibodies that bind the HIV-1 envelope protein (Env). These antibodies recognize a limited set of conserved epitopes on Env, such as Env's host receptor-binding site. Kong et al. now report a neutralizing antibody isolated from an HIV-1–infected individual that binds to the fusion peptide of Env. This is unexpected because viruses often try to mask such key components of their cell entry machinery from antibody attack. Crystal structures of the antibody bound to the fusion peptide and to Env itself define the epitope, provide insight into the specific mechanism of antibody binding, and may inform HIV-1 vaccine design. Science , this issue p. 828

ABSTRACT The worldwide increase and proliferation of drug resistant microbes, coupled with the lag in new drug development represents a major threat to human health. In order to reduce the time and cost for exploring the chemical search space, drug discovery increasingly relies on computational biology approaches. One key step in these approaches is the need for the rapid and accurate prediction of the binding affinity for potential leads. Here, we present RosENet ( Ros etta E nergy Neural Net work), a three-dimensional (3D) Convolutional Neural Network (CNN), which combines voxelized molecular mechanics energies and molecular descriptors for predicting the absolute binding affinity of protein – ligand complexes. By leveraging the physico-chemical properties captured by the molecular force field, our model achieved a Root Mean Square Error (RMSE) of 1.26 on the PDBBind v2016 core set . We also explored some limitations and the robustness of the PDBBind dataset and our approach, on nearly 500 structures, including structures determined by Nuclear Magnetic Resonance and virtual screening experiments. Our study demonstrated that molecular mechanics energies can be voxelized and used to help improve the predictive power of the CNNs. In the future, our framework can be extended to features extracted from other biophysical and biochemical models, such as molecular dynamics simulations. Availability https://github.com/DS3Lab/RosENet

Abstract Understanding protein thermostability is essential for various biotechnological and biological applications. However, traditional experimental methods for assessing this property are time-consuming, expensive, and error-prone. Recently, the application of Deep Learning techniques from Natural Language Processing (NLP) was extended to the field of biology, with an emphasis on protein modeling. From a linguistic perspective, the primary sequence of proteins can be viewed as a string of amino acids that follow a physicochemical grammar. This study explores the potential of Deep Learning models trained on protein sequences to predict protein thermostability which provide improvements with respect to current approaches. We implemented TemBERTure, a Deep Learning framework to classify the thermal class (non-thermophilic or thermophilic) and predict and melting temperature of a protein, based on its primary sequence. Our findings highlight the critical role that data diversity plays on training robust models. Models trained on datasets with a wider range of sequences from various organisms exhibited superior performance compared to those with limited diversity. This emphasizes the need for a comprehensive data curation strategy that ensures a balanced representation of diverse species in the training data, to avoid the risk that the model focuses on recognizing the evolutionary lineage of the sequence rather than the intrinsic thermostability features. In order to gain more nuanced insights into protein thermostability, we propose leveraging attention scores within Deep Learning models to gain more nuanced insights into protein thermostability. We show that analyzing these scores alongside the 3D protein structure could offer a better understanding of the complex interplay between amino acid properties, their positioning, and the surrounding microenvironment, all crucial factors influencing protein thermostability. This work sheds light on the limitations of current protein thermostability prediction methods and introduces new avenues for exploration. By emphasizing data diversity and utilizing refined attention scores, future research can pave the way for more accurate and informative methods for predicting protein thermostability. Availability and Implementation TemBERTure model and the data are available at https://github.com/ibmm-unibe-ch/TemBERTure

Abstract Bacteria rely on two-component systems to sense environmental cues and regulate gene expression for adaptation. The PhoQ/PhoP system exemplifies this crucial role, playing a key part in sensing magnesium (Mg 2+ ) levels, antimicrobial peptides, mild acidic pH, osmotic upshift, and long-chain unsaturated fatty acids, promoting virulence in certain bacterial species. However, the precise details of PhoQ activation remain elusive. To elucidate PhoQ’s signaling mechanism at atomic resolution, we combined AlphaFold2 predictions with molecular modeling and carried out extensive Molecular Dynamics (MD) simulations. Our MD simulations revealed three distinct PhoQ conformations that were validated by experimental data. Notably, one conformation was characterized by Mg 2+ bridging the acidic patch in the sensor domain to the membrane, potentially representing a repressed state. Furthermore, the high hydration observed in a putative intermediate state lends support to the hypothesis of water-mediated conformational changes during PhoQ signaling. Our findings not only revealed specific conformations within the PhoQ signaling pathway, but also hold significant promise for understanding the broader histidine kinase family due to their shared structural features. Our approach paves the way for a more comprehensive understanding of histidine kinase signaling mechanisms across various bacterial species and opens the door for developing novel therapeutics that target PhoQ modulation.

Abstract Upon cell death signals, the apoptotic protease-activating factor Apaf1 and cytochrome c interact to form the apoptosome complex. The apoptosome is crucial for mitochondrial apoptosis, as it activates caspases that dismantle the cell. However, the assembly mechanism and appearance of the apoptosome in vivo remain unclear. We show that upon onset of apoptosis, Apaf1 molecules accumulate into multiple foci per cell. Disassembly of the foci is linked to survival of the cell. Structurally, Apaf1 foci resemble organelle-sized, cloud-like assemblies. Foci form upon specific molecular interactions with cytochrome c and depending on procaspase-9. We propose that Apaf1 foci correspond to the apoptosome in cells. Transientness and ultrastructure of Apaf1 foci suggest that the dynamic spatiotemporal organisation of apoptosome components regulates progression of apoptosis.

A central goal of HIV-1-vaccine research is the elicitation of antibodies capable of neutralizing diverse primary isolates of HIV-1. Here we show that focusing the immune response to exposed N-terminal residues of the fusion peptide, a critical component of the viral entry machinery and the epitope of antibodies elicited by HIV-1 infection, through immunization with fusion peptide-coupled carriers and prefusion-stabilized envelope trimers, induces cross-clade neutralizing responses. In mice, these immunogens elicited monoclonal antibodies capable of neutralizing up to 31% of a cross-clade panel of 208 HIV-1 strains. Crystal and cryo-electron microscopy structures of these antibodies revealed fusion peptide-conformational diversity as a molecular explanation for the cross-clade neutralization. Immunization of guinea pigs and rhesus macaques induced similarly broad fusion peptide-directed neutralizing responses suggesting translatability. The N terminus of the HIV-1-fusion peptide is thus a promising target of vaccine efforts aimed at eliciting broadly neutralizing antibodies.

Abstract A large number of small membrane proteins have been discovered in bacteria, but their mechanism of action has remained mostly elusive. Here, we investigate the mechanism of a physiologically important small protein, MgrB, which represses the activity of the sensor kinase PhoQ and is widely distributed among enterobacteria. The PhoQ/PhoP two-component system is a master regulator of the bacterial virulence program and interacts with MgrB to modulate bacterial virulence, fitness, and drug resistance. A combination of crosslinking approaches with functional assays and protein dynamic simulations revealed structural rearrangements due to interactions between MgrB and PhoQ near the membrane/periplasm interface and along the transmembrane helices. These interactions induce the movement of the PhoQ catalytic domain and the repression of its activity. Without MgrB, PhoQ appears to be much less sensitive to antimicrobial peptides, including the commonly used C18G. In the presence of MgrB, C18G promotes MgrB to dissociate from PhoQ, thus activating PhoQ via derepression. Our findings reveal the inhibitory mechanism of the small protein MgrB and uncover its importance in antimicrobial peptide sensing. Significance Statement Small proteins have high prevalence, vast diversity, and primarily regulatory functions in biological processes across all domains of life. However, their mechanisms of action remain largely elusive. In this study, we investigate the mechanism of the small protein, MgrB. It interacts with the sensor kinase PhoQ, rearranges its conformation, represses its kinase activity, and regulates bacterial response to environmental changes. In particular for antimicrobial peptides, MgrB is required for bacteria to have a selective response to this host-exclusive stimulus. Our findings underline the importance of a small protein in bacterial fitness and drug resistance and provide a molecular basis for engineering novel peptide-based regulators.

Abstract Transmembrane signaling proteins couple extracytosolic sensors to cytosolic effectors. Here, we examine how binding of Mg 2+ to the sensor domain of an E. coli two component histidine kinase (HK), PhoQ, modulates its cytoplasmic kinase domain. We use cysteine-crosslinking and reporter-gene assays to simultaneously and independently probe the signaling state of PhoQ’s sensor and autokinase domains in a set of over 30 mutants. Strikingly, conservative single-site mutants distant from the sensor or catalytic site strongly influence PhoQ’s ligand-sensitivity as well as the magnitude and direction of the signal, endowing diverse signaling characteristics without need for epistasis. Data from 35 mutants are explained by a semi-empirical 3-domain model in which the sensor, intervening HAMP, and catalytic domains can adopt kinase-promoting or inhibiting conformations, that are in allosteric communication. The catalytic and sensor domains intrinsically favor a constitutively ‘kinase-on’ conformation, while the HAMP favors the ‘off’ state; when coupled, they create a bistable system responsive to physiological [Mg 2+ ]. Mutants alter signaling by locally modulating these intrinsic equilibrium constants and couplings. Our model suggests signals transmit via interdomain allostery rather than propagation of a single concerted conformational change, explaining the diversity of signaling structural transitions observed in individual HK domains.

Abstract Protein structure prediction, a fundamental challenge in computational biology, aims to predict a protein’s 3D structure from its amino acid sequence. This structure is pivotal for elucidating protein functions, interactions, and driving innovations in drug discovery and enzyme engineering. AlphaFold2, a powerful deep learning model, has revolutionized this field by leveraging phylogenetic information from multiple sequence alignments (MSAs) to achieve remarkable accuracy in protein structure prediction. However, a key question remains: how well does AlphaFold2 understand protein structures? This study investigates AlphaFold2’s capabilities when relying primarily on high-quality template structures, without the additional information provided by MSAs. By designing experiments that probe local and global structural understanding, we aimed to dissect its dependence on specific features and its ability to handle missing information. Our findings revealed AlphaFold2’s reliance on sterically valid C- β atoms for correctly interpreting structural templates. Additionally, we observed its remarkable ability to recover 3D structures from certain perturbations and the negligible impact of the previous structure in recycling. Collectively, these results support the hypothesis that AlphaFold2 has learned an accurate local biophysical energy function. However, this function seems most effective for local interactions. Our work significantly advances understanding of how deep learning models predict protein structures and provides valuable guidance for researchers aiming to overcome limitations in these models. protein folding, alphafold, side-chain, interpretability