Abstract Aggregation of intrinsically disordered amyloid β (Aβ) is a hallmark of Alzheimer’s disease. Although complex aggregation mechanisms have been increasingly revealed, structural ensembles of Aβ monomers with heterogeneous and transient properties still hamper detailed experimental accesses to early events of amyloidogenesis. We herein developed a new mathematical tool based on multiple linear regression to obtain the reasonable ensemble structures of Aβ monomer by using the solution nuclear magnetic resonance (NMR) and molecular dynamics simulation data. Our approach provided the best-fit ensemble to two-dimensional NMR chemical shifts, also consistent with circular dichroism and dynamic light scattering analyses. The major monomeric structures of Aβ including β-sheets in both terminal and central hydrophobic core regions and the minor partially-helical structures suggested initial structure-based explanation on possible mechanisms of early molecular association and nucleation for amyloid generation. A wide-spectrum application of the current approach was also indicated by showing a successful utilization for ensemble structures of folded proteins. We propose that multiple linear regression in combination to experimental results will be highly promising for studies on protein misfolding diseases and functions by providing a convincing template structure. Graphic abstract

Abstract Glucagon is a peptide hormone which posits a significant potential as a therapeutic molecule for various human diseases. One of the major challenges hampering medicinal application of glucagon, however, is its insoluble and aggregation-prone property. Although glucagon is dissolvable, it aggregates easily and forms amyloid fibrils. To date, despite many studies to understand how glucagon aggregates and fibrillizes, its detailed amyloidogenesis mechanism is still elusive, particularly due to insufficient structural information of glucagon amyloid fibrils. Here we report the novel structure of a glucagon amyloid fibril, which was determined with cryo-electron microscopy (cryo-EM) to a 3.8-Å resolution. Our model features with tight and extensive inter-monomer interactions, which efficiently stabilize the entire chain of full-length glucagon into the V-shape conformation, clamping the other monomer to construct a dimeric architecture orthogonal to the fibril axis. Notably, the current structure significantly differs from the previous solid-state NMR model, which gives direct evidence for multiple and dynamic amyloidogenesis mechanisms of glucagon. In addition, our results are expected to provide important insights to appreciate the molecular details of glucagon in its initial amyloidogenesis and fibril elongation processes.

Modern genomics sequencing techniques have provided a massive amount of protein sequences, but experimental endeavor in determining protein structures is largely lagging far behind the vast and unexplored sequences. Apparently, computational biology is playing a more important role in protein structure prediction than ever. Here, we present a system of de novo predictor, termed NiDelta, building on a deep convolutional neural network and statistical potential enabling molecular dynamics simulation for modeling protein tertiary structure. Combining with evolutionary-based residue-contacts, the presented predictor can predict the tertiary structures of a number of target proteins with remarkable accuracy. The proposed approach is demonstrated by calculations on a set of eighteen large proteins from different fold classes. The results show that the ultra-fast molecular dynamics simulation could dramatically reduce the gap between the sequence and its structure at atom level, and it could also present high efficiency in protein structure determination if sparse experimental data is available.

Statistical analysis plays a significant role in both protein sequences and structures, expanding in recent years from the studies of co-evolution guided single-site mutations to protein folding in silico . Here we describe a computational tool, termed Sibe, with a particular focus on protein sequence analysis, folding and design. Since Sibe has various easy-interface modules, expressive architecture and extensible codes, it is powerful in statistically analyzing sequence data and building energetic potentials in boosting both protein folding and design. In this study, Sibe is used to capture positionally conserved couplings between pairwise amino acids and help rational protein design, in which the pairwise couplings are filtered according to the relative entropy computed from the positional conservations and grouped into several ‘blocks’. A human β 2-adrenergic receptor (β2AR) was used to demonstrated that those ‘blocks’ could contribute rational design at functional residues. In addition, Sibe provides protein folding modules based on both the positionally conserved couplings and well-established statistical potentials. Sibe provides various easy to use command-line interfaces in C++ and/or Python. Sibe was developed for compatibility with the ‘big data’ era, and it primarily focuses on protein sequence analysis, in silico folding and design, but it is also applicable to extend for other modeling and predictions of experimental measurements.

Arrestins interact with phosphorylated G protein-coupled receptors (GPCRs) and regulate the homologous desensitization and internalization of GPCRs. The gate loop in arrestins is a critical region for both stabilization of the basal state and interaction with phosphorylated receptors. We investigated the roles of specific residues in the gate loop (K292, K294, and H295) using β-arrestin-1 and phosphorylated C-tail peptide of vasopressin receptor type 2 (V2Rpp) as a model system. We measured the binding affinity of V2Rpp and analyzed conformational dynamics of β-arrestin-1. Our results suggest that K294 plays a critical role in the interaction with V2Rpp without influencing the overall conformation of the V2Rpp-bound state. The residues K292 and H295 contribute to the stability of the polar core in the basal state and form a specific conformation of the finger loop in the V2Rpp-bound state.

Fibroblast growth factor 2 (FGF2) is an attractive biomaterial for pharmaceuticals and functional cosmetics. To improve the thermo-stability of FGF2, we designed two mutants harboring four-point mutations: FGF2-M1 (D28E/C78L/C96I/S137P) and FGF2-M2 (D28E/C78I/C96I/S137P) through bioinformatics, molecular thermodynamics, and molecular modeling. The D28E mutation reduced fragmentation of the FGF2 wild type during preparation, and the substitution of a whale-specific amino acid, S137P, enhanced the thermal stability of FGF2. Surface-exposed cysteines that participate in oligomerization through intermolecular disulfide bond formation were substituted with hydrophobic residues (C78L/C78I and C96I) using the in silico method. High-resolution crystal structures revealed at the atomic level that the introduction of mutations stabilizes each local region by forming more favorable interactions with neighboring residues. In particular, P137 forms CH-π interactions with the side chain indole ring of W123, which seems to stabilize a β-hairpin structure, containing a heparin-binding site of FGF2. Compared to the wild type, both FGF2-M1 and FGF2-M2 maintained greater solubility after a week at 45 °C, with their T m values rising by ~ 5 °C. Furthermore, the duration for FGF2-M1 and FGF2-M2 to reach 50% residual activity at 45 °C extended to 8.8- and 8.2-fold longer, respectively, than that of the wild type. Interestingly, the hydrophobic substitution of surface-exposed cysteine in both FGF2 mutants makes them more resistant to proteolytic cleavage by trypsin, subtilisin, proteinase K, and actinase than the wild type and the Cys → Ser substitution. The hydrophobic replacements can influence protease resistance as well as oligomerization and thermal stability. It is notable that hydrophobic substitutions of surface-exposed cysteines, as well as D28E and S137P of the FGF2 mutants, were designed through various approaches with structural implications. Therefore, the engineering strategies and structural insights adopted in this study could be applied to improve the stability of other proteins.