[日本語] English
万見
- PDB-9clz: Novel designed icosahedral nanoparticle I3-A6 -

+
データを開く


IDまたはキーワード:

読み込み中...

-
基本情報

登録情報
データベース: PDB / ID: 9clz
タイトルNovel designed icosahedral nanoparticle I3-A6
要素I3-A6
キーワードVIRUS LIKE PARTICLE / Thermophile / nanoparticle / icosahedron / dehydratase
生物種Escherichia coli BL21 (大腸菌)
手法電子顕微鏡法 / 単粒子再構成法 / クライオ電子顕微鏡法 / 解像度: 2.5 Å
データ登録者Haas, C.M. / Jasti, N. / Dosey, A.M. / Gillespie, R. / Allen, J.D. / Leaf, E.M. / Crispin, M. / DeForest, C. / Kanekiyo, M. / King, N.P.
資金援助 米国, 1件
組織認可番号国
National Institutes of Health/National Institute Of Allergy and Infectious Diseases (NIH/NIAID) 米国
引用
ジャーナル: Proc Natl Acad Sci U S A / 年: 2025
タイトル: From sequence to scaffold: Computational design of protein nanoparticle vaccines from AlphaFold2-predicted building blocks.
著者: Cyrus M Haas / Naveen Jasti / Annie Dosey / Joel D Allen / Rebecca Gillespie / Jackson McGowan / Elizabeth M Leaf / Max Crispin / Cole A DeForest / Masaru Kanekiyo / Neil P King /
要旨: Self-assembling protein nanoparticles are being increasingly utilized in the design of next-generation vaccines due to their ability to induce antibody responses of superior magnitude, breadth, and ...Self-assembling protein nanoparticles are being increasingly utilized in the design of next-generation vaccines due to their ability to induce antibody responses of superior magnitude, breadth, and durability. Computational protein design offers a route to nanoparticle scaffolds with structural and biochemical features tailored to specific vaccine applications. Although strategies for designing self-assembling proteins have been established, the recent development of powerful machine learning (ML)-based tools for protein structure prediction and design provides an opportunity to overcome several of their limitations. Here, we leveraged these tools to develop a generalizable method for designing self-assembling proteins starting from AlphaFold2 predictions of oligomeric protein building blocks. We used the method to generate six 60-subunit protein nanoparticles with icosahedral symmetry, and single-particle cryoelectron microscopy reconstructions of three of them revealed that they were designed with atomic-level accuracy. To transform one of these nanoparticles into a functional immunogen, we reoriented its termini through circular permutation, added a genetically encoded oligomannose-type glycan, and displayed a stabilized trimeric variant of the influenza hemagglutinin receptor-binding domain through a rigid de novo linker. The resultant immunogen elicited potent receptor-blocking and neutralizing antibody responses in mice. Our results demonstrate the practical utility of ML-based protein modeling tools in the design of nanoparticle vaccines. More broadly, by eliminating the requirement for experimentally determined structures of protein building blocks, our method dramatically expands the number of starting points available for designing self-assembling proteins.
#1: ジャーナル: bioRxiv / 年: 2025
タイトル: From sequence to scaffold: computational design of protein nanoparticle vaccines from AlphaFold2-predicted building blocks.
著者: Cyrus M Haas / Naveen Jasti / Annie Dosey / Joel D Allen / Rebecca Gillespie / Jackson McGowan / Elizabeth M Leaf / Max Crispin / Cole A DeForest / Masaru Kanekiyo / Neil P King /
要旨: Self-assembling protein nanoparticles are being increasingly utilized in the design of next-generation vaccines due to their ability to induce antibody responses of superior magnitude, breadth, and ...Self-assembling protein nanoparticles are being increasingly utilized in the design of next-generation vaccines due to their ability to induce antibody responses of superior magnitude, breadth, and durability. Computational protein design offers a route to novel nanoparticle scaffolds with structural and biochemical features tailored to specific vaccine applications. Although strategies for designing new self-assembling proteins have been established, the recent development of powerful machine learning-based tools for protein structure prediction and design provides an opportunity to overcome several of their limitations. Here, we leveraged these tools to develop a generalizable method for designing novel self-assembling proteins starting from AlphaFold2 predictions of oligomeric protein building blocks. We used the method to generate six new 60-subunit protein nanoparticles with icosahedral symmetry, and single-particle cryo-electron microscopy reconstructions of three of them revealed that they were designed with atomic-level accuracy. To transform one of these nanoparticles into a functional immunogen, we reoriented its termini through circular permutation, added a genetically encoded oligomannose-type glycan, and displayed a stabilized trimeric variant of the influenza hemagglutinin receptor binding domain through a rigid linker. The resultant immunogen elicited potent receptor-blocking and neutralizing antibody responses in mice. Our results demonstrate the practical utility of machine learning-based protein modeling tools in the design of nanoparticle vaccines. More broadly, by eliminating the requirement for experimentally determined structures of protein building blocks, our method dramatically expands the number of starting points available for designing new self-assembling proteins.
履歴
登録2024年7月12日登録サイト: RCSB / 処理サイト: RCSB
改定 1.02025年7月16日Provider: repository / タイプ: Initial release
改定 1.02025年7月16日Data content type: EM metadata / Data content type: EM metadata / Provider: repository / タイプ: Initial release
改定 1.02025年7月16日Data content type: FSC / Data content type: FSC / Provider: repository / タイプ: Initial release
改定 1.02025年7月16日Data content type: Half map / Part number: 1 / Data content type: Half map / Provider: repository / タイプ: Initial release
改定 1.02025年7月16日Data content type: Half map / Part number: 2 / Data content type: Half map / Provider: repository / タイプ: Initial release
改定 1.02025年7月16日Data content type: Image / Data content type: Image / Provider: repository / タイプ: Initial release
改定 1.02025年7月16日Data content type: Primary map / Data content type: Primary map / Provider: repository / タイプ: Initial release
改定 1.12025年9月17日Group: Data collection / Database references / カテゴリ: citation / citation_author / em_admin
Item: _citation.country / _citation.journal_abbrev ..._citation.country / _citation.journal_abbrev / _citation.journal_id_CSD / _citation.journal_id_ISSN / _citation.pdbx_database_id_DOI / _citation.pdbx_database_id_PubMed / _citation.title / _citation.year / _citation_author.identifier_ORCID / _citation_author.name / _em_admin.last_update
改定 1.22026年1月28日Group: Data collection / Database references / カテゴリ: citation / citation_author / em_admin / Item: _em_admin.last_update
改定 1.12026年1月28日Data content type: EM metadata / Data content type: EM metadata / EM metadata / Group: Database references / Experimental summary / Data content type: EM metadata / EM metadata / EM metadata / カテゴリ: citation / citation_author / em_admin / Data content type: EM metadata / Item: _em_admin.last_update

-
構造の表示

構造ビューア分子:
MolmilJmol/JSmol

ダウンロードとリンク

-
集合体

登録構造単位
0: I3-A6
1: I3-A6
2: I3-A6
3: I3-A6
4: I3-A6
5: I3-A6
6: I3-A6
7: I3-A6
8: I3-A6
9: I3-A6
A: I3-A6
B: I3-A6
C: I3-A6
D: I3-A6
E: I3-A6
F: I3-A6
G: I3-A6
H: I3-A6
I: I3-A6
J: I3-A6
K: I3-A6
L: I3-A6
M: I3-A6
N: I3-A6
O: I3-A6
P: I3-A6
Q: I3-A6
R: I3-A6
S: I3-A6
T: I3-A6
U: I3-A6
V: I3-A6
W: I3-A6
X: I3-A6
Y: I3-A6
Z: I3-A6
c: I3-A6
d: I3-A6
e: I3-A6
f: I3-A6
g: I3-A6
h: I3-A6
i: I3-A6
j: I3-A6
k: I3-A6
l: I3-A6
m: I3-A6
n: I3-A6
o: I3-A6
p: I3-A6
q: I3-A6
r: I3-A6
s: I3-A6
t: I3-A6
u: I3-A6
v: I3-A6
w: I3-A6
x: I3-A6
y: I3-A6
z: I3-A6


分子量 (理論値)分子数
合計 (水以外)1,257,82560
ポリマ－1,257,82560
非ポリマー00
水00
1


  • 登録構造と同一
  • 登録者・ソフトウェアが定義した集合体
  • 根拠: 電子顕微鏡法, not applicable
タイプ名称対称操作数
identity operation1_555x,y,z1

-
要素

#1: タンパク質 ...
I3-A6


分子量: 20963.756 Da / 分子数: 60 / 由来タイプ: 組換発現 / 由来: (組換発現) Escherichia coli BL21 (大腸菌) / プラスミド: pET29b+ / 発現宿主: Escherichia coli BL21 (大腸菌)
Has protein modificationN

-
実験情報

-
実験

実験手法: 電子顕微鏡法
EM実験試料の集合状態: PARTICLE / ３次元再構成法: 単粒子再構成法

-
試料調製

構成要素名称: Novel designed icosahedral nanoparticle I3-A6 / タイプ: COMPLEX / Entity ID: all / 由来: RECOMBINANT
由来(天然)生物種: Escherichia coli (大腸菌)
由来(組換発現)生物種: Escherichia coli (大腸菌)
緩衝液pH: 8
試料包埋: NO / シャドウイング: NO / 染色: NO / 凍結: YES
急速凍結凍結剤: ETHANE

-
電子顕微鏡撮影

実験機器
モデル: Titan Krios / 画像提供: FEI Company
顕微鏡モデル: FEI TITAN KRIOS
電子銃電子線源: FIELD EMISSION GUN / 加速電圧: 300 kV / 照射モード: FLOOD BEAM
電子レンズモード: BRIGHT FIELD / 最大 デフォーカス（公称値）: 2000 nm / 最小 デフォーカス（公称値）: 500 nm
撮影電子線照射量: 52 e/Å2 / フィルム・検出器のモデル: GATAN K3 (6k x 4k)

-
解析

CTF補正タイプ: PHASE FLIPPING AND AMPLITUDE CORRECTION
3次元再構成解像度: 2.5 Å / 解像度の算出法: FSC 0.143 CUT-OFF / 粒子像の数: 290122 / 対称性のタイプ: POINT

+
万見について

-
お知らせ

-
2022年2月9日: EMDBエントリの付随情報ファイルのフォーマットが新しくなりました

EMDBエントリの付随情報ファイルのフォーマットが新しくなりました

  • EMDBのヘッダファイルのバージョン3が、公式のフォーマットとなりました。
  • これまでは公式だったバージョン1.9は、アーカイブから削除されます。

関連情報:EMDBヘッダ

外部リンク:wwPDBはEMDBデータモデルのバージョン3へ移行します

-
2020年8月12日: 新型コロナ情報

新型コロナ情報

URL: https://pdbj.org/emnavi/covid19.php

新ページ: EM Navigatorに新型コロナウイルスの特設ページを開設しました。

関連情報:Covid-19情報 / 2020年3月5日: 新型コロナウイルスの構造データ

+
2020年3月5日: 新型コロナウイルスの構造データ

新型コロナウイルスの構造データ

関連情報:万見生物種 / 2020年8月12日: 新型コロナ情報

外部リンク:COVID-19特集ページ - PDBj / 今月の分子2020年2月：コロナウイルスプロテーアーゼ

+
2019年1月31日: EMDBのIDの桁数の変更

EMDBのIDの桁数の変更

  • EMDBエントリに付与されているアクセスコード(EMDB-ID)は4桁の数字(例、EMD-1234)でしたが、間もなく枯渇します。これまでの4桁のID番号は4桁のまま変更されませんが、4桁の数字を使い切った後に発行されるIDは5桁以上の数字(例、EMD-12345)になります。5桁のIDは2019年の春頃から発行される見通しです。
  • EM Navigator/万見では、接頭語「EMD-」は省略されています。

関連情報:Q: 「EMD」とは何ですか？ / 万見/EM NavigatorにおけるID/アクセスコードの表記

外部リンク:EMDB Accession Codes are Changing Soon! / PDBjへお問い合わせ

+
2017年7月12日: PDB大規模アップデート

PDB大規模アップデート

  • 新バージョンのPDBx/mmCIF辞書形式に基づくデータがリリースされました。
  • 今回の更新はバージョン番号が4から5になる大規模なもので、全エントリデータの書き換えが行われる「Remediation」というアップデートに該当します。
  • このバージョンアップで、電子顕微鏡の実験手法に関する多くの項目の書式が改定されました(例：em_softwareなど)。
  • EM NavigatorとYorodumiでも、この改定に基づいた表示内容になります。

外部リンク:wwPDB Remediation / OneDepデータ基準に準拠した、より強化された内容のモデル構造ファイルが、PDBアーカイブで公開されました。

-
万見 (Yorodumi)

幾万の構造データを、幾万の視点から

  • 万見(Yorodumi)は、EMDB/PDB/SASBDBなどの構造データを閲覧するためのページです。
  • EM Navigatorの詳細ページの後継、Omokage検索のフロントエンドも兼ねています。

関連情報:EMDB / PDB / SASBDB / 3つのデータバンクの比較 / 万見検索 / 2016年8月31日: 新しいEM Navigatorと万見 / 万見文献 / Jmol/JSmol / 機能・相同性情報 / 新しいEM Navigatorと万見の変更点

他の情報も見る