article Free Access Share on Kinodynamic motion planning Authors: Bruce Donald Cornell University, Ithaca, New York Cornell University, Ithaca, New YorkView Profile , Patrick Xavier Cornell University, Ithaca, New York Cornell University, Ithaca, New YorkView Profile , John Canny University of California at Berkeley, Berkeley, California University of California at Berkeley, Berkeley, CaliforniaView Profile , John Reif Duke University, Durham, North Carolina Duke University, Durham, North CarolinaView Profile Authors Info & Claims Journal of the ACMVolume 40Issue 5pp 1048–1066https://doi.org/10.1145/174147.174150Published:01 November 1993Publication History 324citation2,474DownloadsMetricsTotal Citations324Total Downloads2,474Last 12 Months282Last 6 weeks30 Get Citation AlertsNew Citation Alert added!This alert has been successfully added and will be sent to:You will be notified whenever a record that you have chosen has been cited.To manage your alert preferences, click on the button below.Manage my AlertsNew Citation Alert!Please log in to your account Save to BinderSave to BinderCreate a New BinderNameCancelCreateExport CitationPublisher SiteeReaderPDF

The structure of the ligand-free HIV-1–Env trimer allows conformational fixation of Env and generation of an antigen that binds CD4 with high affinity and is recognized by broadly neutralizing antibodies but not poorly neutralizing ones. As the sole viral antigen on the HIV-1–virion surface, trimeric Env is a focus of vaccine efforts. Here we present the structure of the ligand-free HIV-1–Env trimer, fix its conformation and determine its receptor interactions. Epitope analyses revealed trimeric ligand-free Env to be structurally compatible with broadly neutralizing antibodies but not poorly neutralizing ones. We coupled these compatibility considerations with binding antigenicity to engineer conformationally fixed Envs, including a 201C 433C (DS) variant specifically recognized by broadly neutralizing antibodies. DS-Env retained nanomolar affinity for the CD4 receptor, with which it formed an asymmetric intermediate: a closed trimer bound by a single CD4 without the typical antigenic hallmarks of CD4 induction. Antigenicity-guided structural design can thus be used both to delineate mechanism and to fix conformation, with DS-Env trimers in virus-like-particle and soluble formats providing a new generation of vaccine antigens.

We present an untethered, electrostatic, MEMS micro-robot, with dimensions of 60 /spl mu/m by 250 /spl mu/m by 10 /spl mu/m. The device consists of a curved, cantilevered steering arm, mounted on an untethered scratch drive actuator (USDA). These two components are fabricated monolithically from the same sheet of conductive polysilicon, and receive a common power and control signal through a capacitive coupling with an underlying electrical grid. All locations on the grid receive the same power and control signal, so that the devices can be operated without knowledge of their position on the substrate. Individual control of the component actuators provides two distinct motion gaits (forward motion and turning), which together allow full coverage of a planar workspace. These MEMS micro-robots demonstrate turning error of less than 3.7/spl deg//mm during forward motion, turn with radii as small as 176 /spl mu/m, and achieve speeds of over 200 /spl mu/m/sec with an average step size as small as 12 nm. They have been shown to operate open-loop for distances exceeding 35 cm without failure, and can be controlled through teleoperation to navigate complex paths. The devices were fabricated through a multiuser surface micromachining process, and were postprocessed to add a patterned layer of tensile chromium, which curls the steering arms upward. After sacrificial release, the devices were transferred with a vacuum microprobe to the electrical grid for testing. This grid consists of a silicon substrate coated with 13-/spl mu/m microfabricated electrodes, arranged in an interdigitated fashion with 2-/spl mu/m spaces. The electrodes are insulated by a layer of electron-beam-evaporated zirconium dioxide, so that devices placed on top of the electrodes will experience an electrostatic force in response to an applied voltage. Control waveforms are broadcast to the device through the capacitive power coupling, and are decoded by the electromechanical response of the device body. Hysteresis in the system allows on-board storage of n=2 bits of state information in response to these electrical signals. The presence of on-board state information within the device itself allows each of the two device subsystems (USDA and steering arm) to be individually addressed and controlled. We describe this communication and control strategy and show necessary and sufficient conditions for voltage-selective actuation of all 2/sup n/ system states, both for our devices (n=2), and for the more general case (where n is larger.).

Abstract Resistance to pharmacological treatments is a major public health challenge. Here we report R esistor —a novel structure- and sequence-based algorithm for drug design providing prospective prediction of resistance mutations. R esistor computes the Pareto frontier of four resistance-causing criteria: the change in binding affinity (Δ K a ) of the (1) drug and (2) endogenous ligand upon a protein’s mutation; (3) the probability a mutation will occur based on empirically derived mutational signatures; and (4) the cardinality of mutations comprising a hotspot. To validate R esistor , we applied it to kinase inhibitors targeting EGFR and BRAF in lung adenocarcinoma and melanoma. R esistor correctly identified eight clinically significant EGFR resistance mutations, including the “gatekeeper” T790M mutation to erlotinib and gefitinib and five known resistance mutations to osimertinib. Furthermore, R esistor predictions are consistent with sensitivity data on BRAF inhibitors from both retrospective and prospective experiments using the KinCon biosensor technology. R esistor is available in the open-source protein design software OSPREY.

The K* algorithm provably approximates partition functions for a set of states (e.g., protein, ligand, and protein-ligand complex) to a user-specified accuracy ϵ.Often, reaching an ϵ -approximation for a particular set of partition functions takes a prohibitive amount of time and space. To alleviate some of this cost, we introduce two algorithms into the OSPREY suite for protein design: FRIES, a Fast Removal of Inadequately Energied Sequences, and EWAK*, an Energy Window Approximation to K*. In combination, these algorithms provably retain calculational accuracy while limiting the input sequence space and the conformations included in each partition function calculation to only the most energetically favorable. This combined approach leads to significant speed-ups compared to the previous state-of-the-art multi-sequence algorithm, BBK*. As a proof of concept, we used these new algorithms to redesign the protein-protein interface (PPI) of the c-Raf-RBD:KRas complex. The Ras-binding domain of the protein kinase c-Raf (c-Raf-RBD) is the tightest known binder of KRas, a historically “undruggable” protein implicated in difficult-to-treat cancers including pancreatic ductal adenocarcinoma (PDAC). FRIES/EWAK* accurately retrospectively predicted the effect of 38 out of 41 different sets of mutations in the PPI of the c-Raf-RBD:KRas complex. Notably, these mutations include mutations whose effect had previously been incorrectly predicted using other computational methods. Next, we used FRIES/EWAK* for prospective design and discovered a novel point mutation that improves binding of c-Raf-RBD to KRas in its active, GTP-bound state (KRas GTP ). We combined this new mutation with two previously reported mutations (which were also highly-ranked by OSPREY) to create a new variant of c-Raf-RBD, c-Raf-RBD(RKY). FRIES/EWAK* in OSPREY computationally predicted that this new variant would bind even more tightly than the previous best-binding variant, c-Raf-RBD(RK). We measured the binding affinity of c-Raf-RBD(RKY) using a bio-layer interferometry (BLI) assay and found that this new variant exhibits single-digit nanomolar affinity for KRas GTP , confirming the computational predictions made with FRIES/EWAK*. This study steps through the advancement and development of computational protein design by presenting theory, new algorithms, accurate retrospective designs, new prospective designs, and biochemical validation.

Accurate binding affinity prediction is crucial to structure-based drug design. Recent work used computational topology to obtain an effective representation of protein-ligand interactions. Although persistent homology encodes geometric features, previous works on binding affinity prediction using persistent homology employed uninterpretable machine learning models and failed to explain the underlying geometric and topological features that drive accurate binding affinity prediction. In this work, we propose a novel, interpretable algorithm for protein-ligand binding affinity prediction. Our algorithm achieves interpretability through an effective embedding of distances across bipartite matchings of the protein and ligand atoms into real-valued functions by summing Gaussians centered at features constructed by persistent homology. We name these functions internuclear persistent contours (IPCs) . Next, we introduce persistence fingerprints , a vector with 10 components that sketches the distances of different bipartite matching between protein and ligand atoms, refined from IPCs. Let the number of protein atoms in the protein-ligand complex be n , number of ligand atoms be m , and ω ≈ 2.4 be the matrix multiplication exponent. We show that for any 0 < ε < 1, after an 풪 ( mn log( mn )) preprocessing procedure, we can compute an ε -accurate approximation to the persistence fingerprint in 풪 ( m log 6 ω ( m/" )) time, independent of protein size. This is an improvement in time complexity by a factor of 풪 (( m + n ) 3 ) over any previous binding affinity prediction that uses persistent homology. We show that the representational power of persistence fingerprint generalizes to protein-ligand binding datasets beyond the training dataset. Then, we introduce PATH , Predicting Affinity Through Homology, an interpretable, small ensemble of shallow regression trees for binding affinity prediction from persistence fingerprints. We show that despite using 1,400-fold fewer features, PATH has comparable performance to a previous state-of-the-art binding affinity prediction algorithm that uses persistent homology features. Moreover, PATH has the advantage of being interpretable. Finally, we visualize the features captured by persistence fingerprint for variant HIV-1 protease complexes and show that persistence fingerprint captures binding-relevant structural mutations. The source code for PATH is released open-source as part of the osprey protein design software package.

With over 270 unique occurrences in the human genome, peptide-recognizing PDZ domains play a central role in modulating polarization, signaling, and trafficking pathways. Mutations in PDZ domains lead to diseases such as cancer and cystic fibrosis, making PDZ domains attractive targets for therapeutic intervention. D-peptide inhibitors offer unique advantages as therapeutics, including increased metabolic stability and low immunogenicity. Here, we introduce DexDesign, a novel OSPREY-based algorithm for computationally designing

Abstract We report an Osprey-based computational protocol to prospectively identify oncogenic mutations that act via disruption of molecular interactions. It is applicable to analyze both protein-protein and protein-DNA interfaces and has been validated on a dataset of clinically relevant mutations. In addition, it was used to predict previously uncharacterized patient mutations in CDK6 and p16 genes, which were experimentally confirmed to impair complex formation.

Antimicrobial resistance is a health care crisis. The resistance-conferring mutation F98Y in Staphylococcus aureus dihydrofolate reductase (SaDHFR) reduces effectiveness of antifolates, e.g., trimethoprim (TMP). Although propargyl-linked antifolates (PLAs) are much more resilient than TMP towards F98Y, this substitution still vitiates their inhibition potency. Surprisingly, differences in the enantiomeric configuration at the stereogenic center of PLAs influence the isomeric state of NADPH cofactor. Is resistance correlated with chiral evasion? A mechanism of action underpinning this coupling is unknown. To understand the molecular basis of F98Y-mediated resistance and how PLAs’ inhibition drives NADPH isomeric states, we used OSPREY to analyze a comprehensive suite of structural, biophysical, biochemical, and computational data. We present a model showing how F98Y SaDHFR exploits a different anomeric configuration of NADPH to evade certain PLAs’ inhibition, while other PLAs remain resilient to resistance. Our model should enable general design of inhibitors that are resilient to chiral evasion.

The spread of plasmid borne resistance enzymes in clinical Staphylococcus aureus isolates is rendering trimethoprim and iclaprim, both inhibitors of dihydrofolate reductase (DHFR), ineffective. Continued exploitation of these targets will require compounds that can broadly inhibit these resistance-confering isoforms. Using a structure-based approach, we have developed a novel class of ionized non-classical antifolates (INCAs) that capture the molecular interactions that have been exclusive to classical antifolates. These modifications allow for a greatly expanded spectrum of activity across these pathogenic DHFR isoforms, while maintaining the ability to penetrate the bacterial cell wall. Using biochemical, structural and computational methods, we are able to optimize these inhibitors to the conserved active sites of the endogenous and trimethoprim resistant DHFR enzymes. Here, we report a series of INCA compounds that exhibit low nanomolar enzymatic activity and potent cellular activity with human selectivity against a panel of clinically relevant TMPR MRSA isolates.