Nuclear magnetic resonance (NMR) spectroscopy of paramagnetic systems is an advancing field that contributes to characterization of the structure and magnetism of molecules, molecular assemblies, biomolecules, and materials. In this account, we utilize the hyperfine field intrinsic to ruthenium(III) coordination compounds to uncover details of their supramolecular host-guest binding with cyclodextrins. We interpret perturbations of the 1H NMR shifts of the host to suggest the binding mode of the interaction. We demonstrate how the size of the cyclodextrin cavity and the structural modification of the guest affect whether the binding occurs through a head or tail portal of the cyclodextrin and attempt to explain the observed differences in terms of molecular shapes and the charge-distribution complementarity between the host and guest. Paramagnetic NMR spectroscopy of host-guest systems is shown to be a useful tool for supramolecular and structural chemists investigating modes of molecular encapsulation.

Many bacteria, often associated with eukaryotic hosts and of relevance for biotechnological applications, harbour a multipartite genome composed by more than one replicon. Biotechnologically relevant phenotypes are often encoded by genes residing on the secondary replicons. A synthetic biology approach to developing enhanced strains for biotechnological purposes could therefore involve merging pieces or entire replicons from multiple strains into a single genome. Here we report the creation of a genomic hybrid strain in a model multipartite genome species, the plant-symbiotic bacterium Sinorhizobium meliloti. In particular, we moved the secondary replicon pSymA (accounting for nearly 20% of total genome content) from a donor S. meliloti strain to an acceptor strain. The cis-hybrid strain was screened for a panel of complex phenotypes (carbon/nitrogen utilization phenotypes, intra- and extra-cellular metabolomes, symbiosis, and various microbiological tests). Additionally, metabolic network reconstruction and constraint-based modelling were employed for in silico prediction of metabolic flux reorganization. Phenotypes of the cis-hybrid strain were in good agreement with those of both parental strains. Interestingly, the symbiotic phenotype showed a marked cultivar-specific improvement with the cis-hybrid strains compared to both parental strains. These results provide a proof-of-principle for the feasibility of genome-wide replicon-based remodelling of bacterial strains for improved biotechnological applications in precision agriculture.

Identification of early processes leading to complex tissue pathologies, such as inflammatory bowel diseases, poses a major scientific and clinical challenge that is imperative for improved diagnosis and treatment. Most studies of inflammation onset focus on cellular processes and signaling molecules, while overlooking the environment in which they take place, the continuously remodeled extracellular matrix. In this study, we used colitis models for investigating extracellular-matrix dynamics during disease onset, while treating the matrix as a complete and defined entity. Through the analysis of matrix structure, stiffness and composition, we unexpectedly revealed that even prior to the first clinical symptoms, the colon displays its own unique extracellular-matrix signature and found specific markers of clinical potential, which were also validated in human subjects. We also show that the emergence of this pre-symptomatic matrix is mediated by sub-clinical infiltration of neutrophils and monocytes bearing remodeling enzymes. Remarkably, whether the inflammation is chronic or acute, its matrix signature converges at pre-symptomatic states. We suggest that the existence of a pre-symptomatic extracellular-matrix is general and relevant to a wide range of diseases.

Protein assemblies are involved in many important biological processes. Solid-state NMR (SSNMR) spectroscopy is a technique suitable for the structural characterization of samples with high molecular weight and thus can be applied to such assemblies. A significant bottleneck in terms of both effort and time required is the manual identification of unambiguous intermolecular contacts. This is particularly challenging for homo-oligomeric complexes, where simple uniform labeling may not be effective. We tackled this challenge by exploiting coevolution analysis to extract information on homo-oligomeric interfaces from NMR-derived ambiguous contacts. After removing the evolutionary couplings (ECs) that are already satisfied by the 3D structure of the monomer, the predicted ECs are matched with the automatically generated list of experimental contacts. This approach provides a selection of potential interface residues that is used directly in monomer-monomer docking calculations. We validated the protocol on tetrameric L-asparaginase II and dimeric Sod1.

Two murine models for colitis were used to study multi-level changes and derive molecular signatures of colitis onset and development. By combining metabolomics data on tissues and fecal extracts with proteomics data on tissues, we provide a comprehensive picture of the metabolic profile of acute and chronic states of the disease, and most importantly, of two early pre-symptomatic states. We show that, increased anaerobic glycolysis, accompanied by altered TCA cycle and oxidative phosphorylation, associates with inflammation-induced hypoxia taking place in colon tissues. We also demonstrate significant changes in the metabolomic profiles of fecal extracts in different colitis states, most likely associated with the dysbiosis characteristic of colitis, as well as the dysregulated tissue metabolism. Most remarkably, strong and distinctive tissue and fecal metabolomic signatures can be detected before onset of symptoms. These results highlight the diagnostic potential of global metabolomics for inflammatory diseases.

Understanding the fine structural details of inhibitor binding at the active site of metalloenzymes can have a profound impact on the rational drug design targeted to this broad class of biomolecules. Structural techniques such as NMR, cryo-EM, and X-ray crystallography can provide bond lengths and angles, but the uncertainties in these measurements can be as large as the range of values that have been observed for these quantities in all the published structures. This uncertainty is far too large to allow for reliable calculations at the quantum chemical (QC) levels for developing precise structure–activity relationships or for improving the energetic considerations in protein-inhibitor studies. Therefore, the need arises to rely upon computational methods to refine the active site structures well beyond the resolution obtained with routine application of structural methods. In a recent paper, we have shown that it is possible to refine the active site of cobalt(II)-substituted MMP12, a metalloprotein that is a relevant drug target, by matching to the experimental pseudocontact shifts (PCS) those calculated using multireference ab initio QC methods. The computational cost of this methodology becomes a significant bottleneck when the starting structure is not sufficiently close to the final one, which is often the case with biomolecular structures. To tackle this problem, we have developed an approach based on a neural network (NN) and a support vector regression (SVR) and applied it to the refinement of the active site structure of oxalate-inhibited human carbonic anhydrase 2 (hCAII), another prototypical metalloprotein target. The refined structure gives a remarkably good agreement between the QC-calculated and the experimental PCS. This study not only contributes to the knowledge of CAII but also demonstrates the utility of combining machine learning (ML) algorithms with QC calculations, offering a promising avenue for investigating other drug targets and complex biological systems in general.