We present the newest version of the GROningen MOlecular Simulation program package, GROMOS96. GROMOS96 has been developed for the dynamic modelling of (bio)molecules using the methods of molecular dynamics, stochastic dynamics, and energy minimization as well as the path-integral formalism. An overview of its functionality is given, highlighting methodology not present in the last major release, GROMOS87. The organization of the code is outlined, and reliability, testing, and efficiency issues involved in the design of this large (73 000 lines of FORTRAN77 code) and complex package are discussed. Finally, we present two applications illustrating new functionality: local elevation simulation and molecular dynamics in four spatial dimensions.

Abstract Synaptic plasticity is vital for brain function and memory formation. One of the key proteins in long-term synaptic plasticity and memory is the activity-regulated cytoskeleton-associated protein (Arc). Mammalian Arc forms virus-like capsid-like structures in a process requiring the N-terminal domain and contains two C-terminal lobes that are structural homologues to retroviral capsids. Drosophila has two isoforms of Arc, dArc1 and dArc2, with low sequence similarity to mammalian Arc, but lacking the mammalian Arc N-terminal domain. Both dArc isoforms have a capsid homology domain consisting of N- and C-terminal lobes. We carried out structural characterization of the four individual dArc lobe domains. As opposed to the corresponding mammalian Arc lobe domains, which are monomeric, the dArc lobes were all oligomeric in solution, indicating a strong propensity for homophilic interactions. The N-lobe from dArc2 formed a domain-swapped dimer in the crystal structure, resulting in a novel dimer interaction that could be relevant for capsid assembly or other dArc functions. This domain-swapped structure resembles the dimeric protein C of flavivirus capsids, as well as the structure of histones dimers, domain-swapped transcription factors, and membrane-interacting BAK domains. The strong oligomerization properties of the isolated dArc lobe domains explain the ability of dArc to form capsids in the absence of any large N-terminal domain, in contrast to the mammalian protein.

A bstract Ribonucleic acid (RNA) is an essential molecule in a wide range of biological functions. In 1990, McCaskill introduced a dynamic programming algorithm for computing the partition function of an RNA sequence. This forward model is widely used for understanding the thermodynamic properties of a given RNA. In this work, we introduce a generalization of McCaskill’s algorithm that is well-defined over continuous inputs and is differentiable. This allows us to tackle the inverse folding problem—designing a sequence with desired equilibrium thermodynamic properties—directly using gradient optimization. This has applications to creating RNA-based drugs such as mRNA vaccines. Furthermore, it allows McCaskill’s foundational algorithm to be incorporated into machine learning pipelines directly since we have made it end-to-end differentiable. This work highlights how principles from differentiable programming can be translated to existing physical models to develop powerful tools for machine learning. We provide a concrete example by implementing an effective and interpretable RNA design algorithm.

Abstract A shallow neural network was used to embed lipid structures in a 2- or 3-dimensional space with the goal that structurally similar species have similar vectors. Tests on complete lipid databanks show that the method automatically produces distributions which follow conventional lipid classifications. The embedding is accompanied by the web-based software, Lipidome Projector. This displays user lipidomes as 2D or 3D scatterplots for quick exploratory analysis, quantitative comparison and interpretation at a structural level. Author summary Lipids are not just the basis of membranes. They carry signals and metabolic energy. This means that the presence, absence, and quantity of lipids reflects a cell’s biochemical state - starving, nourished, sick or healthy. Lipidomics (measuring all lipids in a biological specimen) provides lists of the chemical species and their quantities. We have used a shallow neural network from natural language modelling to embed lipids in a continuous vector space. Firstly, this means that similar molecules have similar positions in this space. Conventional lipid categories cluster automatically. Secondly, the accompanying web-based software, Lipidome Projector imports a lipidome and displays it as a set of points. Reading several lipidomes at once allows quantitative and structural comparisons. Combined with the ability to show structure and abundance diagrams, the software allows exploratory analysis and interpretation of lipidomics datasets.

Motivation: We propose a method for estimating lipidome homologies analogous to the ones used in sequence analysis and phylogenetics. Results: Algorithms were developed to quantify the structural similarity between lipids and to compute chemical space models of sets of lipid structures and lipidomes. When all lipid molecules of the LIPIDMAPS structure database were mapped in such a chemical space, they automatically formed clusters corresponding to conventional chemical families. Homologies between the lipidomes of four yeast strains based on our LUX score reflected the genetic relationship, although the score is based solely on lipid structures. Source code availability: www.lux.fz-borstel.de

ABSTRACT Charcot-Marie-Tooth disease (CMT) is the most common inherited peripheral polyneuropathy in humans, and its subtypes are linked to mutations in dozens of different genes, including the gene coding for ganglioside-induced differentiation-associated protein 1 (GDAP1). The main GDAP1-linked CMT subtypes are the demyelinating CMT4A and the axonal CMT2K. Over a hundred different missense CMT mutations in the GDAP1 gene have been reported. However, despite implications for mitochondrial fission and fusion, cytoskeletal interactions, and response to reactive oxygen species, the etiology of GDAP1-linked CMT is poorly understood at the protein level. Based on earlier structural data, CMT-linked mutations could affect intramolecular interaction networks within the GDAP1 protein. We carried out structural and biophysical analyses on several CMT-linked GDAP1 protein variants and describe new crystal structures of the autosomal recessive R120Q and the autosomal dominant A247V and R282H GDAP1 variants. These mutations reside in the structurally central helices α3, α7, and α8. In addition, solution properties of the CMT mutants R161H, H256R, R310Q, and R310W were analysed. All disease variant proteins retain close to normal structure and solution behaviour. All mutations, apart from those affecting Arg310 outside the folded GDAP1 core domain, decreased thermal stability. In addition, a bioinformatics analysis was carried out to shed light on the conservation and evolution of GDAP1, which is an outlier member of the GST superfamily. Many CMT mutation sites are highlighted in the bioinformatics analyses focusing on sequence conservation and entropy, and the analyses support the outlier nature of GDAP1 in the GST superfamily. A central role for the α6-α7 loop, within a conserved interaction network, is identified for GDAP1 protein stability. To conclude, we have expanded the structural analysis on GDAP1, strengthening the hypothesis that alterations in conserved intramolecular interactions may alter GDAP1 stability and function, eventually leading to mitochondrial dysfunction, impaired protein-protein interactions, and neuronal degeneration.