MARC

 008260126s2025        us                              c    eng  d
■001000017356836
■00520260202103045
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798315799191
■035    ▼a(MiAaPQ)AAI31930790
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a540
■1001  ▼aNijhawan,  Adam  Kumar.▼0(orcid)0000-0001-5527-1850
■24510▼aModeling  Dynamics  and  Conformational  Ensembles  of  Biological  Macromolecules  With  Time-Resolved  X-Ray  Scattering  and  Molecular  Simulations
■260    ▼a[Sl]▼bNorthwestern  University▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a310  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-12,  Section:  B.
■500    ▼aAdvisor:  Chen,  Lin  X.;Kohlstedt,  Kevin  L.
■5021  ▼aThesis  (Ph.D.)--Northwestern  University,  2025.
■520    ▼aThe  functionality  of  biomacromolecules  (BMMs),  such  as  proteins  and  nucleic  acids,  is  intrinsically  tied  to  their  three-dimensional  structures,  which  are  dictated  by  a  one-  dimensional  sequence  of  amino  acids  or  nucleotides.  Although  the  intrinsic  forces  driving  this  folding  process  have  been  well  studied,  our  understanding  of  how  environmental  factors,  such  as  pH  and  temperature,  influence  structure  formation  and  dynamics  remains  incomplete.This  work  employs  time-resolved  X-ray  solution  scattering  (TRXSS)  and  molecular  simulations  to  provide  insight  into  the  structural  dynamics  and  conformational  ensembles  following  changes  in  temperature  or  pH.  Chapter  1  provides  an  introduction  to  the  importance  of  studying  the  structural  dynamics  of  BMMs  and  the  challenges  present  in  extracting  atomic-level  information  from  ensemble-averaged  measurements.  Chapter  2  details  the  experimental  and  computational  methodologies  used  in  this  work.  Chapter  3  illustrates  how  the  computational  and  experimental  techniques  discussed  in  Chapter  2  can  be  combined  to  study  the  response  of  BMMs  to  various  environmental  perturbations.  Chapter  4  highlights  how  TRXSS  results  can  bias  molecular  simulations  to  sample  physically  relevant  structures.  Chapter  5  showcases  how  enhanced  sampling  simulations  can  be  coupled  with  a  genetic  algorithm  to  determine  a  heterogeneous  set  of  conformations  along  unfolding  pathways.  Chapter  6  compares  the  dynamics  and  ensembles  of  Markov  state  models  with  TRXSS  results.  Chapter  7  introduces  a  merocyanine  photoacid  for  TRXSS  experiments  that  was  used  to  induce  the  dissociation  of  double-stranded  DNA  into  noncanonical  structures.  Finally,  Chapter  8  provides  a  methodology  for  Multicanonical  Monte  Carlo  Ensemble  Growth  that  efficiently  computes  equilibrium  thermodynamic  properties  for  proteins.  This  work  demonstrates  how  TRXSS  and  molecular  simulations  can  be  combined,  underscoring  the  ideal  applications  for  each  use.
■590    ▼aSchool  code:  0163.
■650  4▼aChemistry
■650  4▼aPhysical  chemistry
■650  4▼aComputational  chemistry
■650  4▼aBiochemistry
■650  4▼aGenetics
■653    ▼aConformational  ensembles
■653    ▼aMolecular  dynamics
■653    ▼aStructural  dynamics
■653    ▼aTRXSS
■653    ▼aNucleotides
■690    ▼a0485
■690    ▼a0494
■690    ▼a0219
■690    ▼a0487
■690    ▼a0369
■71020▼aNorthwestern  University▼bChemistry.
■7730  ▼tDissertations  Abstracts  International▼g86-12B.
■790    ▼a0163
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17356836▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books