Summary

クライオ電子顕微鏡法から得られたマップへの配位子のモデリング

Published: July 19, 2024
doi:

Summary

このプロトコールでは、高分子のクライオ電子顕微鏡マップで低分子リガンドをモデル化するために利用可能なツールを紹介します。

Abstract

高分子複合体におけるタンパク質-リガンド相互作用の解明は、分子メカニズム、その根底にある生物学的プロセス、および医薬品開発を理解するために重要です。近年、極低温試料電子顕微鏡(クライオEM)は、高分子の構造を決定し、原子に近い分解能でリガンド結合のモードを調査するための強力な技術として浮上しています。クライオ電子顕微鏡マップにおける非タンパク質分子の同定とモデリングは、対象分子全体の異方性分解能とデータ内在のノイズにより、しばしば困難を伴います。この記事では、リガンドの同定、モデル構築、および選択した高分子を使用した原子座標の精緻化に現在使用されているさまざまなソフトウェアと方法を紹介します。エノラーゼ酵素で示されているように、リガンドの存在を特定する最も簡単な方法の1つは、リガンドがある場合とない場合で得られた2つのマップを減算することです。リガンドの余分な密度は、より高いしきい値でも差分マップで目立つ可能性があります。代謝型グルタミン酸受容体mGlu5の場合に示されているように、このような単純な差分マップを生成できない場合があります。最近導入されたFo-Fcオミットマップを導出する方法は、リガンドの存在を検証および実証するためのツールとして役立ちます。最後に、よく研究されているβ-ガラクトシダーゼを例に、クライオ電子顕微鏡マップのリガンドと溶媒分子のモデリングに対する分解能の影響を解析し、クライオ電子顕微鏡を創薬にどのように使用できるかについての展望を示します。

Introduction

細胞は、無数の化学反応を同時に独立して行うことでその機能を達成し、それぞれが環境の合図に応答して生存と適応性を確保するために細心の注意を払って制御されています。これは分子認識によって達成され、生体分子、特にタンパク質が他の高分子や小分子、またはリガンドと一過性または安定な複合体を形成することを可能にします1。したがって、タンパク質-リガンド相互作用は、タンパク質の発現と活性の調節、酵素による基質と補因子の認識、細胞がシグナルを知覚して中継する方法など、生物学のすべてのプロセスの基本です1,2。タンパク質-リガンド複合体の速度論的、熱力学的、および構造的特性をよりよく理解することで、リガンド相互作用の分子基盤が明らかになり、薬物相互作用と特異性を最適化することで合理的な薬物設計が容易になります。タンパク質-リガンド相互作用を研究するための経済的で迅速なアプローチは、多様な低分子を仮想的にスクリーニングし、これらのリガンドの標的タンパク質への結合モードと親和性を予測する計算方法である分子ドッキングを使用することです3。しかし、X線回折(XRD)、核磁気共鳴(NMR)、またはクライオ電子顕微鏡(クライオEM)によって決定された高分解能構造からの実験的証拠は、そのような予測に不可欠な証拠を提供し、特定のターゲットに対するより新しくより効果的な活性化因子または阻害剤の開発に役立ちます。この記事では、この手法が一般的に呼ばれているように、「cryoEM」という略語を使用しています。しかし、正しい命名法の選択については議論が続いており、最近では、サンプルが極低温にあり、電子で画像化されていることを示すために、cryogenic-sample Electron Microscopy(cryoEM)という用語が提案されています4。同様に、クライオ電子顕微鏡から導出されたマップは、電子ポテンシャル、静電ポテンシャル、またはクーロンポテンシャルと呼ばれてきましたが、ここでは簡単にするために、クライオ電子顕微鏡マップ5,6,7,8,9,10を使用します。

XRDは、タンパク質-リガンド複合体の高分解能構造決定におけるゴールドスタンダード技術でしたが、過去数年間で電子顕微鏡データベース(EMDB)12,13に蓄積されたクーロン電位マップまたはクライオEMマップが急増したことが示すように、分解能革命後の11クライオEMは勢いを増しています14。サンプル調製、イメージング、およびデータ処理方法の進歩により、クライオ電子顕微鏡を使用したタンパク質データバンク(PDB)14の堆積数は、2010年から2020年の間に0.7%から17%に増加し、2020年に報告された構造の約50%が3.5 Å以上の分解能で決定されました15,16。CryoEMは、柔軟な非結晶性の生体高分子、特に膜タンパク質や多タンパク質複合体を原子に近い分解能で研究し、結晶化のプロセスを克服し、XRDによる高分解能構造決定に必要な十分に回折する結晶を得ることができるため、製薬業界を含む構造生物学コミュニティで急速に採用されています。

クライオ電子顕微鏡マップにおけるリガンドの正確なモデリングは、分子レベルでのタンパク質-リガンド複合体の設計図として機能するため、最も重要です。X線結晶構造解析で使用されるいくつかの自動化された配位子構築ツールは、配位子を電子密度17,18,19,20に適合または構築するために、配位子密度の形状とトポロジーに依存します。それにもかかわらず、解像度が 3 Å より低い場合、これらのアプローチは、認識と構築のために依存するトポロジカルな特徴が定義されなくなるため、望ましくない結果を生み出す傾向があります。多くの場合、これらの方法は、リガンドをクライオ電子顕微鏡マップに正確にモデル化するのに効果的ではないことが証明されています。これは、これらのマップが低から中程度の分解能の範囲(通常は3.5 Å-5 Å17)で決定されているためです。

クライオ電子顕微鏡によるタンパク質-リガンド複合体の3D構造決定の最初のステップは、リガンドをタンパク質と共精製するか(リガンドがタンパク質に対して高い結合親和性を持つ場合)、またはグリッド調製前にタンパク質溶液をリガンドと特定の期間インキュベートすることです。その後、少量のサンプルをプラズマ洗浄した穴質TEMグリッド上に配置し、続いて液体エタン中で瞬間凍結し、最終的にクライオTEMでイメージングします。数十万から数百万の個々の粒子からの2D投影画像を平均化して、高分子の3次元(3D)クーロン電位マップを再構築します。これらのマップでリガンドと溶媒分子を同定し、モデル化することは、マップ全体の異方性分解能(すなわち、高分子間で分解能が均一ではない)、リガンドが結合している領域の柔軟性、およびデータ内のノイズのために、多くの場合、大きな課題を提起します。XRD用に開発されたモデリング、改良、および視覚化ツールの多くは、現在、同じ目的でクライオEMでの使用に適応されています18,19,20,21。この記事では、リガンドの同定、モデルの構築、クライオEMから得られる座標の改良に現在使用されているさまざまな方法とソフトウェアの概要を示します。特定のタンパク質-リガンド複合体を用いたリガンドのモデリングに関与するプロセスを、さまざまな分解能と複雑さで説明するための段階的なプロトコルが提供されています。

クライオ電子顕微鏡マップでリガンドをモデル化する最初のステップは、マップ内のリガンド密度(非タンパク質)の同定です。リガンド結合がタンパク質の立体配座変化を誘発しない場合、タンパク質-リガンド複合体とアポタンパク質との間の単純な差分マップを計算すると、本質的に余分な密度の領域が強調表示され、リガンドの存在が示唆されます。このような違いは、2つのマップが必要なだけなのですぐに観察でき、3Dリファインメントのプロセス中の中間マップでも、リガンドが存在するかどうかを確認するために使用できます。さらに、分解能が十分に高い(<3.0 Å)場合、差分マップは、水分子の位置や、リガンドおよびタンパク質残基と相互作用するイオンに関する洞察も提供できます。

アポタンパク質マップがない場合、Servalcat22を使用することが可能になり、これはスタンドアロンツールとして利用可能であり、Refmacリファインメントの一部としてCCP-EMソフトウェアスイート23,24に統合され、CCP4 8.0リリース25,26でも統合されています。Servalcatは、シャープ化されていないハーフマップとアポタンパク質モデルを入力として使用して、FSC加重差(Fo-Fc)マップの計算を可能にします。Fo-Fc 省略マップは、実験マップ(Fo)とモデルから導出されたマップ(Fc)との間の不均衡を表します。モデルにリガンドがない場合、Fo-Fcマップの正の密度が実験EMマップと重なると、通常、リガンドの存在を示唆します。ここでの仮定は、タンパク質鎖がマップによく適合しており、残りの正の密度がリガンドの位置を示すことです。ただし、正の密度がモデリングの不正確さ(タンパク質側鎖の回転子が間違っているなど)に起因するかどうかを細心の注意を払って調べることが重要です。

2番目のステップでは、利用可能な化学情報から明確に定義された形状を持つリガンドのデカルト座標ファイルを取得または作成します。CCP4モノマーライブラリにすでに含まれている標準配位子(ATPやNADP+など)は、モノマーアクセッションコードを介して座標ファイルとジオメトリファイルを取得することで、リファインに使用できます。ただし、不明または非標準の配位子については、ジオメトリファイルを作成するためのさまざまなツールを使用できます。例としては、Phenix28のeLBOW27(電子リガンドビルダーおよび最適化ワークベンチ)、Coot29の組み込みツールであるLidia、JLigand/ACEDRG30,31、CCP-EM23,24、Schrodingerスイート内のGlideのLigprep32-aモジュールなどがあります。次に、リガンド座標ファイルは、実験的なクライオ電子顕微鏡マップとCootの差分マップの両方によって導かれて、密度に適合します。これに続いて、Phenix28 での実空間の改良、または Refmac33 での相互改良が行われます。Linuxワークステーション、または優れたグラフィックカードと上記のソフトウェアを搭載したラップトップが必要です。これらのプログラムのほとんどは、さまざまなスイートに含まれています。CCP-EM24 と Phenix28 は、アカデミック ユーザーが無料で利用でき、Coot、Refmac5 33,34,35,36、Servalcat、phenix.real_space_refine など、この記事で使用されているさまざまなツールが含まれています。同様に、Chimera37 と ChimeraX38 は、アカデミック ユーザーに無料ライセンスを提供します。

Protocol

1. 結核菌由来エノラーゼにおけるホスホエノールピルビン酸(PEP)のモデリング PEP-エノラーゼ複合体のクライオEMマップにおけるリガンド密度の同定EMDBの追加データから、apo-enolaseのシャープ化されていないハーフマップ(emd_30988_additional_1.mapおよびemd_30988_additional_2.map)をダウンロードします( 資料表を参照)。 ChimeraX を開きます ( 材料?…

Representative Results

実施例1結核菌由来の酵素エノラーゼは、解糖の最後から2番目のステップを触媒し、2-ホスホグリセリン酸をいくつかの代謝経路の必須中間体であるホスホエノールピルビン酸(PEP)に変換する44,45。アポエノラーゼサンプルとPEP結合エノラーゼサンプルのクライオ電子顕微鏡データを同じピクセルサイズ1.07 Åで収集し、Relion 3.1<…

Discussion

近年、顕微鏡のハードウェアとソフトウェアの改良により、クライオ電子顕微鏡の構造の数が増加しています。単粒子クライオ電子顕微鏡で現時点で達成されている最高分解能は 1.2 Å 57,58,59 ですが、構造の大部分は 3-4 Å の分解能で決定されています。中解像度から低解像度のマップでのリガンドのモデリングは、厄介?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

SJはDAE-TIFRから博士課程の学生資格を取得しており、資金提供が認められています。KRVは、DBT B-Lifeの助成金DBT/PR12422/MED/31/287/2014およびインド政府原子力省の支援をプロジェクト識別番号で認めています。RTI4006。

Materials

CCP4-8.0 Consortium of several institutes https://www.ccp4.ac.uk Free for academic users and includes Coot and list of tools developed for X-ray crystallography
CCP-EM Consortium of several institutes https://www.ccpem.ac.uk/download.php Free for academic users and includes Coot, Relion and many others
Coot  Paul Emsley, LMB, Cambridge https://www2.mrc-lmb.cam.ac.uk/personal/pemsley/coot/ General software for model building but also available with other suites described above
DockinMap (Phenix) Consortium of several institutes https://phenix-online.org/documentation/reference/dock_in_map.html Software inside the Phenix suite for docking model into cryoEM maps
Electron Microscopy Data Bank  Consortium of several institutes https://www.ebi.ac.uk/emdb/ Public Repository for Electron Microscopy maps
Falcon Thermo Fisher Scientific  https://assets.thermofisher.com/TFS-Assets/MSD/Technical-Notes/Falcon-3EC-Datasheet.pdf Commercial, camera from Thermo Fisher 
Phenix  Consortium of several institutes https://phenix-online.org/download Free for academic users and includes Coot
Protein Data Bank Consortium of several institutes https://rcsb.org Public database of macromolecular structures
Pymol Schrodinger https://pymol.org/2/ Molecular viusalization tool. Educational version is free but comes with limitation. The full version can be obtained with a small fee.
Relion MRC-LMB, Cambridge https://relion.readthedocs.io/en/release-4.0/Installation.html Software for cryoEM image processing, also available with CCP-EM
Titan Krios Thermo Fisher Scientific  https://www.thermofisher.com/in/en/home/electron-microscopy/products/transmission-electron-microscopes/krios-g4-cryo-tem.html?cid=msd_ls_xbu_xmkt_tem-krios_285811_gl_pso_gaw_tpne1c&
gad_source=1&gclid=CjwKCAiA-P-rBhBEEiwAQEXhHyw5c8MKThmdA
AkZesWC4FYQSwIQRk
ZApkj08MfYG040DtiiuL8
RihoCebEQAvD_BwE
Commercial, cryoTEM from Thermo Fisher
UCSF Chimera UCSF, USA https://www.cgl.ucsf.edu/chimera/download.html General purpose software for display, analysis and more
UCSF Chimera X UCSF, USA https://www.cgl.ucsf.edu/chimerax/ General purpose software for display, analysis and more

References

  1. Steinbrecher, T., Labahn, A. Towards accurate free energy calculations in ligand protein-binding studies. Curr Med Chem. 17, 767-785 (2010).
  2. Fu, Y., Zhao, J., Chen, Z. Insights into the molecular mechanisms of protein-ligand interactions by molecular docking and molecular dynamics simulation: a case of oligopeptide binding protein. Comput Math Methods Med. 4, 3502514 (2018).
  3. Grinter, S. Z., Zou, X. Challenges, applications, and recent advances of protein-ligand docking in structure-based drug design. Molecules. 19 (7), 10150-10176 (2014).
  4. Henderson, R., Hasnain, S. Cryo-EM’: electron cryomicroscopy, cryo electron microscopy or something else. IUCrJ. 10 (5), 519-520 (2023).
  5. Rosenthal, P. B. A potential difference for single-particle cryo-EM. IUCrJ. 6, 988-989 (2019).
  6. Wang, J., Moore, P. B. On the interpretation of electron microscopic maps of biological macromolecules. Prot Sci. 26 (1), 122-129 (2017).
  7. Murshudov, G. N. Refinement of atomic structures against cryo-EM Maps. Meth Enzymol. 579, 277-305 (2016).
  8. Kulik, M., Chodkiewicz, M. L., Dominiak, P. M. Theoretical 3D electron diffraction electrostatic potential maps of proteins modeled with a multipolar pseudoatom data bank. Acta Crystallogr D Struct Biol. 78 (8), 1010-1020 (2022).
  9. Yonekura, K., Kato, K., Ogasawara, M., Tomita, M., Toyoshima, C. Electron crystallography of ultrathin 3D protein crystals: Atomic model with charges. Proc Natl Acad Sci U S A. 112 (11), 3368-3373 (2015).
  10. Mu, X., Gillman, C., Nguyen, C., Gonen, T. An overview of microcrystal electron diffraction (MicroED). Annu Rev Biochem. 90, 431-450 (2021).
  11. Kühlbrandt, W. The resolution revolution. Science. 343 (6178), 1443-1444 (2014).
  12. Lawson, C. L., et al. EMDataBank unified data resource for 3DEM. Nucleic Acids Res. 44, 396-403 (2016).
  13. Lees, J. A., Dias, J. M., Han, S. Applications of Cryo-EM in small molecule and biologics drug design. Biochem Soc Trans. 49 (6), 2627-2638 (2021).
  14. Robertson, M. J., Meyerowitz, J. G., Skiniotis, G. Drug discovery in the era of cryo-electron microscopy. Trends Biochem Sci. 47 (2), 124-135 (2022).
  15. Muenks, A., Zepeda, S., Zhou, G., Veesler, D., DiMaio, F. Automatic and accurate ligand structure determination guided by cryo-electron microscopy maps. Nat Commun. 14, 1164 (2023).
  16. Oldfield, T. J. X-ligand: An application for the automated addition of flexible ligands into electron density. Acta Crystallogr D Biol Crystallogr. 57 (5), 696-705 (2001).
  17. Zwart, P. H., Langer, G. G., Lamzin, V. S. Modelling bound ligands in protein crystal structures. Acta Crystallogr D Biol Crystallogr. 60, 2230-2239 (2004).
  18. Terwilliger, T. C., Klei, H., Adams, P. D., Moriarty, N. W., Cohn, J. D. Automated ligand fitting by core-fragment fitting and extension into density. Acta Crystallogr D Biol Crystallogr. 62 (8), 915-922 (2006).
  19. Casañal, A., Lohkamp, B., Emsley, P. Current developments in Coot for macromolecular model building of Electron Cryo-microscopy and Crystallographic Data. Prot Sci. 29 (4), 1069-1078 (2020).
  20. Yamashita, K., Palmer, C. M., Burnley, T., Murshudov, G. N. Cryo-EM single-particle structure refinement and map calculation using Servalcat. Acta Crystallogr D Struct Biol. 77 (10), 1282-1291 (2021).
  21. Wood, C. Collaborative computational project for electron cryo-microscopy. Acta Crystallogr D Biol Crystallogr. 71 (1), 123-126 (2015).
  22. Burnley, T., Palmer, C. M., Winn, M. Recent developments in the CCP-EM software suite. Acta Crystallogr D Struct Biol. 73 (6), 469-477 (2017).
  23. Potterton, E., McNicholas, S., Krissinel, E., Cowtan, K., Noble, M. The CCP4 molecular-graphics project. Acta Crystallogr D Biol Crystallogr. 58 (11), 1955-1957 (2002).
  24. Agirre, J. The CCP4 suite: Integrative software for macromolecular crystallography. Acta Crystallogr D Struct Biol. 79 (6), 449-461 (2023).
  25. Moriarty, N. W., Grosse-Kunstleve, R. W., Adams, P. D. Electronic ligand builder and optimization workbench (eLBOW): A tool for ligand coordinate and restraint generation. Acta Crystallogr D Biol Crystallogr. 65 (10), 1074-1080 (2009).
  26. Adams, P. D. A comprehensive Python-based system for macromolecular structure solution. Acta Crystallogr D Biol Crystallogr. 66 (2), 213-221 (2010).
  27. Emsley, P., Cowtan, K. Coot: Model-building tools for molecular graphics. Acta Crystallogr D Biol Crystallogr. 60 (12), 2126-2132 (2004).
  28. Debreczeni, J. &. #. 2. 0. 1. ;., Emsley, P. Handling ligands with Coot. Acta Crystallogr D Biol Crystallogr. 68 (4), 425-430 (2012).
  29. Long, F., et al. AceDRG: A stereochemical description generator for ligands. Acta Crystallogr D Struct Biol. 73 (2), 112-122 (2017).
  30. Schrödinger. LigPrep. Schrödinger Release 2022-1: Schrödinger, LLC. , (2022).
  31. Brown, A. Tools for macromolecular model building and refinement into electron cryo-microscopy reconstructions. Acta Crystallogr D Biol Crystallogr. 71 (1), 136-153 (2015).
  32. Murshudov, G. N., Vagin, A. A., Dodson, E. J. Refinement of macromolecular structures by the maximum-likelihood method. Acta Crystallogr D Biol Crystallogr. 53, 240-255 (1997).
  33. Kovalevskiy, O., Nicholls, R. A., Long, F., Carlon, A., Murshudov, G. N. Overview of refinement procedures within REFMAC 5: Utilizing data from different sources. Acta Crystallogr D Struct Biol. 74 (3), 215-227 (2018).
  34. Winn, M. D., et al. Overview of the CCP4 suite and current developments. Acta Crystallogr D Biol Crystallogr. 67 (4), 235-242 (2011).
  35. Pettersen, E. F., et al. UCSF Chimera – A visualization system for exploratory research and analysis. J Comput Chem. 25 (13), 1605-1612 (2004).
  36. Pettersen, E. F., et al. UCSF ChimeraX: Structure visualization for researchers, educators, and developers. Prot Sci. 30 (1), 70-82 (2021).
  37. Lamb, A. L., Kappock, T. J., Silvaggi, N. R. You are lost without a map: Navigating the sea of protein structures. Biochim Biophys Acta Proteins Proteom. 1854 (4), 256-268 (2015).
  38. Ehinger, S., Schubert, W. D., Bergmann, S., Hammerschmidt, S., Heinz, D. W. Plasmin(ogen)-binding α-Enolase from streptococcus pneumoniae: Crystal structure and evaluation of plasmin(ogen)-binding sites. J Mol Biol. 343 (4), 997-1005 (2004).
  39. Tjia-Fleck, S., Readnour, B. M., Ayinuola, Y. A., Castellino, F. J. High-Resolution single-particle cryo-EM hydrated structure of streptococcus pyogenes enolase offers insights into its function as a plasminogen receptor. Biochemistry. 62 (3), 735-746 (2023).
  40. Pfab, J., Si, D. Automated threshold selection for cryo-EM density maps. ACM-BCB 2019. Proceedings of the 10th ACM International Conference on Bioinformatics, Computational Biology and Health Informatics. , 161-166 (2019).
  41. Rahi, A., et al. Enolase of Mycobacterium tuberculosis is a surface exposed plasminogen binding protein. Biochim Biophys Acta Gen Subj. 1861 (1), 3355-3364 (2017).
  42. Henderson, B., Martin, A. Bacterial virulence in the moonlight: Multitasking bacterial moonlighting proteins are virulence determinants in infectious disease. Infect Immun. 79 (9), 3476-3491 (2011).
  43. Scheres, S. H. W. A bayesian view on cryo-EM structure determination. J Mol Biol. 415 (2), 406-418 (2012).
  44. Zivanov, J., et al. New tools for automated high-resolution cryo-EM structure determination in RELION-3. Elife. 7, 42166 (2018).
  45. Mohammed, A., et al. Structural snapshots of Mycobacterium tuberculosis enolase reveal dual mode of 2PG binding and its implication in enzyme catalysis. IUCrJ. 10 (6), 738-753 (2023).
  46. Berman, H. M., et al. The Protein Data Bank. Nucleic Acids Res. 28 (1), 3-21 (2000).
  47. Nasrallah, C. Agonists and allosteric modulators promote signaling from different metabotropic glutamate receptor 5 conformations. Cell Rep. 36 (9), 109648 (2021).
  48. Doak, B. C., Norton, R. S., Scanlon, M. J. The ways and means of fragment-based drug design. Pharmacol Ther. 167, 28-37 (2016).
  49. Baker, M. Fragment-based lead discovery grows up. Nat Rev Drug Discov. 12 (1), 5-7 (2013).
  50. Kirsch, P., Hartman, A. M., Hirsch, A. K. H., Empting, M. Concepts and core principles of fragment-based drug design. Molecules. 24 (3), 4309 (2019).
  51. Bartesaghi, A., et al. 2.2 Å resolution cryo-EM structure of β-galactosidase in complex with a cell-permeant inhibitor. Science. 348 (6239), 1147-1151 (2015).
  52. Saur, M. Fragment-based drug discovery using cryo-EM. Drug Discov Today. 25 (3), 485-490 (2020).
  53. Maki-Yonekura, S., Kawakami, K., Takaba, K., Hamaguchi, T., Yonekura, K. Measurement of charges and chemical bonding in a cryo-EM structure. Commun Chem. 6 (1), 98 (2023).
  54. Yip, K. M., Fischer, N., Paknia, E., Chari, A., Stark, H. Atomic-resolution protein structure determination by cryo-EM. Nature. 587 (7832), 157-161 (2020).
  55. Nakane, T. Single-particle cryo-EM at atomic resolution. Nature. 587 (7832), 152-156 (2020).
  56. Pintilie, G. Measurement of atom resolvability in cryo-EM maps with Q-scores. Nat Methods. 17 (3), 328-334 (2020).
  57. Punjani, A., Rubinstein, J. L., Fleet, D. J., Brubaker, M. A. CryoSPARC: Algorithms for rapid unsupervised cryo-EM structure determination. Nat Methods. 14 (3), 290-296 (2017).
  58. Koehl, A. Structural insights into the activation of metabotropic glutamate receptors. Nature. 566 (7742), 79-84 (2019).
  59. Scheres, S. H. W. Classification of structural heterogeneity by maximum-likelihood methods. Meth Enzymol. 482, 295-320 (2010).
  60. Carugo, O. Atomic displacement parameters in structural biology. Amino Acids. 50 (7), 775-786 (2018).
  61. Wlodawer, A., Li, M., Dauter, Z. High-resolution Cryo-EM maps and models: A crystallographer’s perspective. Structure. 25 (10), 1589-1597 (2017).
  62. Masmaliyeva, R. C., Babai, K. H., Murshudov, G. N. Local and global analysis of macromolecular atomic displacement parameters. Acta Crystallogr D Struct Biol. 76 (10), 926-937 (2020).
  63. Merritt, E. A. To B or not to B: A question of resolution. Acta Crystallogr D Biol Crystallogr. 68 (4), 468-477 (2012).
  64. Afonine, P. V., et al. Real-space refinement in PHENIX for cryo-EM and crystallography. Acta Crystallogr D Struct Biol. 74 (60), 531-544 (2018).
  65. Roberts on, M. J., van Zundert, G. C. P., Borrelli, K., Skiniotis, G. GemSpot: A pipeline for robust modeling of ligands into Cryo-EM maps. Structure. 28 (6), 707-716 (2020).
  66. Weis, F., Hagen, W. J. H. Combining high throughput and high quality for cryo-electron microscopy data collection. Acta Crystallogr D Struct Biol. 76 (8), 724-728 (2020).

Play Video

Cite This Article
Jha, S., Bose, S., Vinothkumar, K. R. Modeling Ligands into Maps Derived from Electron Cryomicroscopy. J. Vis. Exp. (209), e66310, doi:10.3791/66310 (2024).

View Video