Abstract Transmembrane (TM) proteins are major drug targets, indicated by the high percentage of prescription drugs acting on them. For a rational drug design and an understanding of mutational effects on protein function, structural data at atomic resolution are required. However, hydrophobic TM proteins often resist experimental structure determination and in spite of the increasing number of cryo-EM structures, the available TM folds are still limited in the Protein Data Bank. Recently, the DeepMind’s AlphaFold2 machine learning method greatly expanded the structural coverage of sequences, with high accuracy. Since the employed algorithm did not take specific properties of TM proteins into account, the validity of the generated TM structures should be assessed. Therefore, we investigated the quality of structures at genome scales, at the level of ABC protein superfamily folds, and also in specific individual cases. We tested template-free structure prediction also with a new TM fold, dimer modeling, and stability in molecular dynamics simulations. Our results strongly suggest that AlphaFold2 performs astoundingly well in the case of TM proteins and that its neural network is not overfitted. We conclude that a careful application of its structural models will advance TM protein associated studies at an unexpected level.

Abstract Cystic fibrosis is most frequently caused by the deletion of F508 (ΔF508) in CFTR’s nucleotide binding domain 1 (NBD1), compromising CFTR folding, stability and domain assembly. The limitation of developing a successful therapy is due to the lack of molecules that synergistically facilitate folding by targeting distinct structural defects of ΔF508-CFTR. To improve drug efficacy by targeting the ΔF508-NBD1 folding and stability, and to study potential ΔF508-NBD1 allosteric corrector binding sites at the atomic level, we combined molecular dynamics (MD) simulations, atomic force spectroscopy (AFM) and hydrogen-deuterium exchange (HDX) experiments. These methods allowed us to describe unfolding intermediates and forces acting during NBD1 mechanical unfolding and to elucidate the stabilization mechanism of ΔF508-NBD1 by 5-bromoindole-3-acetic acid (BIA). An NBD1 region, including the α-subdomain, was identified as a potentially important participant of the first folding steps, characterized by non-native interactions of F508, thus destabilized in the deletion mutant. The instability was counteracted by the low-potency corrector BIA, increasing the mechanical resistance of the ΔF508-NBD1 α-subdomain, which was confirmed as a binding site by computational modeling and HDX experiments. Our results underline the complementarity of computational and experimental methods and provide a possible strategy to improve folding correctors.