Summary

Моделирование лигандов в карты, полученные с помощью электронной криомикроскопии

Published: July 19, 2024
doi:

Summary

Этот протокол знакомит с инструментами, доступными для моделирования низкомолекулярных лигандов в криоЭМ-картах макромолекул.

Abstract

Расшифровка белок-лигандных взаимодействий в макромолекулярном комплексе имеет решающее значение для понимания молекулярного механизма, лежащих в основе биологических процессов и разработки лекарств. В последние годы криогенная электронная микроскопия образцов (криоЭМ) стала мощным методом определения структур макромолекул и исследования режима связывания лигандов с разрешением, близким к атомному. Идентификация и моделирование небелковых молекул на картах cryoEM часто является сложной задачей из-за анизотропного разрешения на интересующей молекуле и присущего данных шума. В этой статье читатели знакомятся с различными программами и методами, используемыми в настоящее время для идентификации лигандов, построения моделей и уточнения атомных координат с использованием выбранных макромолекул. Одним из простейших способов идентификации присутствия лиганда, как показано на примере фермента енолазы, является вычитание двух карт, полученных с лигандом и без него. Дополнительная плотность лиганда, вероятно, будет выделяться на карте различий даже при более высоком пороге. Существуют случаи, как показано в случае метаботропного глутаматного рецептора mGlu5, когда такие простые разностные карты не могут быть сгенерированы. Недавно представленный метод получения карты пропуска Fo-Fc может служить инструментом для валидации и демонстрации присутствия лиганда. Наконец, на примере хорошо изученной β-галактозидазы анализируется влияние разрешения на моделирование лигандов и молекул растворителей в картах криоЭМ, а также представлен взгляд на то, как криоЭМ может быть использован в разработке лекарств.

Introduction

Клетки выполняют свои функции, осуществляя бесчисленные химические реакции одновременно и независимо, каждая из которых тщательно регулируется, чтобы обеспечить их выживание и приспособляемость в ответ на сигналы окружающей среды. Это достигается за счет молекулярного распознавания, которое позволяет биомолекулам, особенно белкам, образовывать переходные или стабильные комплексы с другими макромолекулами, а также с малыми молекулами или лигандами. Таким образом, белок-лигандные взаимодействия являются фундаментальными для всех процессов в биологии, которые включают регуляцию экспрессии и активности белков, распознавание субстратов и кофакторов ферментами, а также то, как клетки воспринимают и ретранслируютсигналы. Лучшее понимание кинетических, термодинамических и структурных свойств комплекса белок-лиганд раскрывает молекулярную основу лигандного взаимодействия, а также способствует рациональному дизайну лекарств за счет оптимизации лекарственного взаимодействия и специфичности. Экономичным и быстрым подходом к изучению взаимодействия белка и лиганда является использование молекулярного докинга, который представляет собой вычислительный метод, который виртуально экранирует широкий спектр малых молекул и предсказывает способ связывания и аффинность этих лигандов к белкам-мишеням. Тем не менее, экспериментальные данные о структурах с высоким разрешением, определенных с помощью рентгеновской дифракции (XRD), ядерного магнитного резонанса (ЯМР) или электронной криомикроскопии (криоЭМ), обеспечивают существенное доказательство таких предсказаний и помогают в разработке новых и более эффективных активаторов или ингибиторов для данной мишени. В этой статье используется аббревиатура «cryoEM», как обычно называют эту технику. Тем не менее, в настоящее время ведутся споры о выборе правильной номенклатуры, и в последнее время был предложен термин криогенныйобразец Electron Microscopy (cryoEM) для обозначения того, что образец находится при криогенной температуре и визуализирован электронами4. Точно так же отображения, полученные с помощью криоЭМ, называются электронным потенциалом, электростатическим потенциалом или кулоновским потенциалом, и для простоты здесь мы используем криоЭМ карты 5,6,7,8,9,10.

Несмотря на то, что дифрактометрия является золотым стандартом в определении структуры белков-лигандных комплексов с высоким разрешением, криоЭМ после революцииразрешения 11 набирает обороты, о чем свидетельствует всплеск карт кулоновского потенциала или карт криоЭМ, депонированных в базе данных электронной микроскопии (EMDB) за последние нескольколет14. Благодаря достижениям в области подготовки образцов, визуализации и обработки данных, количество отложений в Банке данных о белках (PDB)14 с использованием криоЭМ увеличилось с 0,7% до 17% в период с 2010 по 2020 год, при этом примерно 50% зарегистрированных структур в 2020 году были определены с разрешением 3,5 Å или выше15,16. CryoEM быстро получила распространение в сообществе структурной биологии, в том числе в фармацевтической промышленности, поскольку она позволяет изучать гибкие и некристаллические биологические макромолекулы, особенно мембранные белки и мультибелковые комплексы, с околоатомным разрешением, преодолевая процесс кристаллизации и получая хорошо дифрагирующие кристаллы, необходимые для определения структуры с высоким разрешением с помощью XRD.

Точное моделирование лиганда на карте криоЭМ имеет первостепенное значение, поскольку он служит схемой комплекса белок-лиганд на молекулярном уровне. Существует несколько автоматизированных инструментов для построения лигандов, используемых в рентгеновской кристаллографии, которые зависят от формы и топологии плотности лиганда, чтобы вписать или построить лиганд в электронную плотность 17,18,19,20. Тем не менее, если разрешение меньше 3 Å, эти подходы, как правило, приводят к менее желательным результатам, поскольку топологические особенности, от которых они зависят при распознавании и построении, становятся менее определенными. Во многих случаях эти методы оказались неэффективными в точном моделировании лигандов в криоЭМ-карты, поскольку эти карты были определены в диапазоне низкого и среднего разрешения, обычно от 3,5 Å до 5 Å17.

Первый этап 3D-определения структуры комплекса белок-лиганд с помощью криоЭМ включает либо совместную очистку лиганда с белком (когда лиганд имеет высокое сродство связывания с белком), либо инкубацию белкового раствора с лигандом в течение определенного периода времени перед получением сетки. Затем небольшой объем образца помещают на очищенную плазмой дырчатую сетку ПЭМ, после чего следует мгновенная заморозка в жидком этане и, в конечном итоге, визуализация с помощью крио-ПЭМ. Двухмерные проекционные изображения от сотен тысяч до миллионов отдельных частиц усредняются для реконструкции трехмерной (3D) кулоновской карты потенциала макромолекулы. Идентификация и моделирование лигандов и молекул растворителей на этих картах во многих случаях сопряжены со значительными трудностями из-за анизотропного разрешения по всей карте (т.е. разрешение не равномерно по всей макромолекуле), гибкости в области, где связан лиганд, и шума в данных. Многие инструменты моделирования, доработки и визуализации, которые были разработаны для XRD, в настоящее время адаптируются для использования в криоЭМ для тех же целей 18,19,20,21. В этой статье представлен обзор различных методов и программного обеспечения, используемых в настоящее время для идентификации лигандов, построения моделей и уточнения координат, полученных с помощью криоЭМ. Был предоставлен пошаговый протокол, иллюстрирующий процессы, связанные с моделированием лигандов с использованием специфических комплексов белок-лиганд с различным разрешением и сложностью.

Первым шагом в моделировании лигандов в картах криоЭМ является идентификация плотности лиганда (небелкового) в карте. Если связывание лиганда не вызывает каких-либо конформационных изменений в белке, то расчет простой карты различий между комплексом белок-лиганд и апо-протеином по существу выделяет области повышенной плотности, предполагая присутствие лиганда. Такие различия можно заметить сразу, так как для этого просто требуется две карты, и даже промежуточные карты в процессе 3D-уточнения могут быть использованы для проверки наличия лиганда. Кроме того, если разрешение достаточно высокое (<3,0 Å), то карта различий также может дать представление о расположении молекул воды, а также ионов, взаимодействующих с лигандом и белковыми остатками.

В отсутствие карты апо-белка теперь можно использовать Servalcat22, который доступен в качестве отдельного инструмента, а также был интегрирован в программный пакет CCP-EM 23,24 в рамках доработки Refmac и в CCP4 8.0 версии25,26. Servalcat позволяет рассчитать карту взвешенной разности FSC (Fo-Fc) с использованием незаточенных полукарт и модели апопротеина в качестве входных данных. Отображение пропуска Fo-Fc представляет собой несоответствие между экспериментальным отображением (Fo) и отображением, полученным из модели (Fc). В отсутствие лиганда в модели положительная плотность в карте Fo-Fc, которая перекрывается с экспериментальной картой EM, обычно предполагает наличие лиганда. Здесь предполагается, что белковая цепь хорошо вписывается в карту, а оставшаяся положительная плотность указывает на местоположение лиганда. Тем не менее, важно тщательно изучить, является ли положительная плотность результатом неточностей моделирования, таких как неправильный ротамер боковой цепи белка.

Второй шаг включает в себя получение или создание файла декартовых координат лиганда с четко определенной геометрией на основе имеющейся химической информации. Стандартные лиганды (например, АТФ и НАДФ+), которые уже доступны в библиотеке мономеров CCP4, могут быть использованы для уточнения путем извлечения файлов координат и геометрии через их код присоединения мономера. Однако для неизвестных или нестандартных лигандов доступны различные инструменты для создания файлов геометрии. Некоторые из примеров включают eLBOW27 – (электронный конструктор лигандов и верстак оптимизации) в Phenix28, Lidia – встроенный инструмент в Coot29, JLigand/ACEDRG30,31, CCP-EM23,24, Ligprep32-a модуль Glide в составе пакета Schrodinger. Затем файл координат лиганда подгоняется по плотности, руководствуясь как экспериментальной криоЭМ-картой, так и разностной картой в Coot. За этим следует уточнение в реальном пространстве в Phenix28 или взаимное уточнение в Refmac33. Требуется рабочая станция Linux или ноутбук, оснащенный хорошей видеокартой и вышеупомянутым программным обеспечением. Большинство из этих программ включены в различные сюиты. CCP-EM24 и Phenix28 находятся в свободном доступе для академических пользователей и включают в себя различные инструменты, которые используются в этой статье, включая Coot, Refmac5 33,34,35,36, Servalcat, phenix.real_space_refine и т.д. Аналогичным образом, Chimera37 и ChimeraX38 предоставляют бесплатные лицензии для академических пользователей.

Protocol

1. Моделирование фосфоенолпирувата (ПЭП) в енолазе из Mycobacterium tuberculosis Идентификация плотности лиганда в криоЭМ-карте ПЭП-енолазного комплексаЗагрузите незаточенные полукарты (emd_30988_additional_1.map и emd_30988_additional_2.map) апо-енолазы из дополнительных данных EMDB (см. Таблиц?…

Representative Results

Пример 1Фермент энолаза из M. tuberculosis катализирует предпоследнюю стадию гликолиза и превращает 2-фосфоглицерат в фосфоенолпируват (ПЭП), который является важным промежуточным продуктом для нескольких метаболических путей44,45. Данные CryoEM дл…

Discussion

Усовершенствование аппаратного и программного обеспечения микроскопа привело к увеличению количества криоЭМ-структур в последние годы. Несмотря на то, что самое высокое разрешение, достигнутое на данный момент в криоЭМ для одиночных частиц, составляет 1,2 Å 57,58,59, большинство структур ?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

SJ является получателем стипендии PhD от DAE-TIFR, и финансирование признается. KRV выражает признательность за грант DBT B-Life DBT/PR12422/MED/31/287/2014 и поддержку Департамента атомной энергии правительства Индии в рамках проекта Identification No. 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