CC BY
2
НАУЧНАЯ СТАТЬЯ УДК 577.25
СТРУКТУРА И ДИНАМИКА ФЕРМЕНТ-СУБСТРАТНОГО КОМПЛЕКСА ]]-АЦЕТИЛАСПАРТИЛГЛУТАМАТ СИНТАЗЫ ПО ДАННЫМ КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ
Игорь Вадимович Поляков1' 2, Александра Вячеславовна Кривицкая 2' 3, Мария Григорьевна Хренова1-3
1 Московский государственный университет имени М.В. Ломоносова, химический факультет, Москва, Россия Институт биохимической физики им. Н.М. Эмануэля РАН, Москва, Россия ФИЦ Биотехнологии РАН, Москва, Россия Автор, ответственный за переписку: Игорь Вадимович Поляков, [email protected]
Аннотация. К-ацетиласпартилглутамат - наиболее распространенный дипептид в клетках мозга, который синтезируется с помощью фермента К-ацетиласпартилглутамат синтазы. В работе использованы методы биоинформатики для предсказания структуры белка по первичной последовательности кодирующего гена, классической молекулярной динамики для получения стабильного в рамках траектории комплекса белка с лигандами К-ацетиласпартатом и глутаматом, а также методов машинного обучения для анализа, описания и отбора потенциальных реакционных и нереакционных конформаций модельной системы, описывающей фермент-субстратный комплекс. Для ряда отобранных конформаций были получены молекулярно-динамические траектории в рамках метода комбинированной квантовой и классической молекулярной механики, охарактеризован активный центр бе-лок-лигандного комплекса и потенциальный механизм реакции.
Ключевые слова: ферментативный катализ, молекулярное моделирование, КМ/ММ, К-ацетиласпартилглутамат синтаза
Б01: 10.55959/М8И0579-9384-2-2024-65-4-284-291
Благодарности. Авторы благодарны за возможность использования ресурсов центра коллективного пользования сверхвысокопроизводительными вычислениями МГУ имени М.В. Ломоносова.
Финансирование. Работа А.В. Кривицкой выполнена при финансовой поддержке Российского научного фонда (проект № 23-13-00011).
Для цитирования: Поляков И.В., Кривицкая А.В., Хренова М.Г. Структура и динамика фермент-субстратного комплекса К-ацетиласпартилглутамат синтазы по данным компьютерного моделирования // Вестн. Моск. ун-та. Сер. 2. Химия. 2024. Т. 65. № 4. С. 284-291.
© Поляков И.В., Кривицкая А.В., Хренова М.Г., 2024
ORIGINAL ARTICLE
STRUCTURE AND DYNAMICS OF THE ENZYME-SUBSTRATE COMPLEX OF N-ACETYLASPARTYLGLUTAMATE SYNTHASE ACCORDING TO COMPUTER SIMULATION DATA
1 2 2 3 i_3
Igor V. Polyakov I.V. ' , Alexandra V. Krivitskaya ' , Maria G. Khrenova
1 Chemistry Department, Lomonosov Moscow State University, Moscow, Russia N.M. Emanuel Institute of Biochemical Physics, Russian Academy of Sciences, Moscow, Russia
Fundamental Research Centre of Biotechnology, Russian Academy of Sciences, Moscow, Russia
Corresponding author: Igor V. Polyakov, [email protected]
Abstract. N-acetylaspartilglutamate is the most common dipeptide in brain cells, which is synthesized using the enzyme N-acetylaspartilglutamate synthase. Herein we utilize bioinformatics methods to predict the protein structure from the primary sequence of the coding gene, classical molecular dynamics to obtain a stable protein complex with N-acetylaspartate and glutamate ligands within the trajectory, as well as machine learning methods to analyze, describe and select potential reactive and non-reactive conformations of the model system describing the enzyme-substrate complex. Molecular dynamics simulations with combined quantum mechanics / molecular mechanics potentials were performed for a set of selected conformations and the potential reaction mechanism were characterized.
Keywords: enzymatic catalysis, molecular modeling, QM/MM, N-acetylaspartil-glutamate synthase
Acknowledgements. The authors are grateful for the opportunity to use the resources of the Center for collective use of ultra-high-performance computing at Lomonosov Moscow State University.
Financial Support. The work of A.V. Krivitskaya was carried out with the financial support of the Russian Science Foundation (project No. 23-13-00011).
For citation: Polyakov I.V., Krivitskaya A.V., Khrenova M.G. Structure and Dynamics of the Enzyme-Substrate Complex of N-Acetylaspartylglutamate Synthase According to Computer Simulation Data // Vestn. Mosk. un-ta. Ser. 2. Chemistry. 2024. T. 65. № 4. S. 284-291.
N-ацетиласпартилглутамат (NAAG) - пептидный нейротрансмиттер, который уступает лишь глутамату и у-аминомасляной кислоте по своей распространенности в нервной системе позвоночных [1], при этом NAAG является наиболее распространенным дипептидом мозга. Известно, что NAAG может связываться с N-метил-Э-аспартат-рецепторами (NMDAR) [2]. Наиболее хорошо изучена способность NAAG к активации метабо-тропного глутаматного рецептора mGluR3 [3], что уменьшает высвобождение глутамата в синапти-ческую щель. Деградация NAAG осуществляется посредством мембранного металлофермента глу-таматкарбоксипептидазы (GCPII/GCPIII) с образованием NAA и глутамата. Этот процесс хорошо изучен как экспериментально [4], так и в рамках
теоретического моделирования [5], в том числе и в нашей лаборатории [6]. Дипептид играет важную роль в нормальной нейробиологии и, возможно, в шизофренических расстройствах в рамках глута-матной гипотезы [7]. При этом биосинтез NAAG из NAA и глутамата мало исследован, хотя около пятнадцати лет назад был установлен ген соответствующей синтазы (NAAGS) [8, 9], кодирующая последовательность которого для человека доступна в базе данных UNIPROT под номером Q8IXN7. Достоверно известно, что для получения NAAG необходимы не только глутамат и NAA, но и аденозинтрифосфат (ATP) [8], предполагаемая схема реакции представлена на рис. 1.
Одним из наиболее распространенных методов расчета механизмов ферментативных реакций
Рис. 1. Схема реакции синтеза NAAG, где Р - фосфатная группа, В - основание, забирающее протон Glu перед
его атакой на NAA-PO,
является приближение комбинированной квантовой и молекулярной механики (КМ/ММ), и в рамках нашей лаборатории КМ/ММ в различных реализациях применяется уже около 20 лет [10]. Безусловно, необходима стартовая структура для построения модели КМ/ММ, которая включает в себя белок или белковый комплекс, а также лиганды. Обычно используются структуры из банка данных белковых структур РЭБ [11], при этом в подобных структурах аналоги нативных лигандов либо присутствуют, либо отсутствуют, поэтому необходим дополнительный шаг в виде докинга и/или классической молекулярной динамики для уточнения структуры модели до непосредственного проведения КМ/ММ-расчета [12]. Благодаря развитию графических ускорителей и эффективного программного обеспечения, в настоящий момент доступны масштабные расчеты методом молекулярной динамики с классическими силовыми полями [13], где достаточно рутинно можно рассматривать системы размером от ста тысяч атомов на траектории в сотни наносекунд. Однако даже такой производительности может быть недостаточно, если необходимо отследить редкий переход между значительно различающимися конформациями белковых комплексов, поэтому возможно использование методов ускоренной динамики [14].
В настоящий момент нет экспериментально определенной трехмерной структуры белка НЛЛ08, а известные данные кинетических экспериментов ограничены [8]. Однако ранее нами был продемонстрирован путь построения полноатомной структуры белок-лигандного комплекса по первичной последовательности для другого фермента мозга - НЛЛ-синтазы [15]; по этой модели позднее был рассчитан полный механизм ферментативной реакции [16]. Безусловно, такого рода расчеты стали доступны лишь благодаря накоплению огромного количества результатов геномного секвенирования и постоянно пополняющемуся банку данных белковых структур, а также прогрессу в области компьютерного мо-
делирования белковых структур по гомологии. В частности, в соответствующих соревнованиях СЛ8Р14 [17] значительный прогресс был достигнут благодаря нейросетевым моделям. Довольно быстро был реализован удобный инструментарий Со1аЬРоШ [18], который позволяет использовать Л1рИаРоЫ2 и Яо8еТТЛРоШ без необходимости иметь собственные значительные вычислительные мощности, при этом не требуется установки и настройки различных программ и интерфейсов между ними, поскольку Со1аЬРоЫ работает в облаке, и все уже интегрировано, что значительно снижает порог входа в предсказание белковых структур для исследователей из смежных или вообще других областей.
Даже хорошего предсказания положения основной цепи белка недостаточно для построения трехмерной полноатомной модели при КМ/ММ-моделировании, поскольку необходимо точное положение как всех боковых цепей остатков активного центра, так и самих ли-гандов [15]. В настоящей работе мы стремимся к подробному описанию и анализу структуры и динамики трехмерной полноатомной модели комплекса белка Н-ацетиласпартилглутамат синтазы с нативными лигандами.
Методы расчета
Единственной доступной информацией для построение трехмерной модели была первичная последовательность из базы данных Ц№РЯОТ Р81ХК7 [8], кодирующая человеческую НЛЛС8. Молекулярную модель построили с помощью Со1аЬРоЫ, используя ММ8ед82 и Л1рИаРоЫ2 [18]. Метрика уверенности в предсказаниях модели (рЬВБТ) оказалась близка к максимуму (100) для подавляющей части трехмерной белковой структуры, составляющей 13 бета-листов и ряд альфа-спиралей. Однако рЬВБТ оказалась в диапазоне от 58 до 89 для положения аминокислотных остатков подвижных регионов (петель), закрывающих активный центр (остатки 217231, 156-164, 75-82). Такие низкие значения
свидетельствуют о низком уровне надежности определения структуры этих регионов, а значит требуют уточнения с помощью дополнительных расчетов методами Монте-Карло и/или молекулярной динамики. Протонирование боковых цепей аминокислотных остатков было следующим: гистидины - нейтральные, аспартаты и глута-маты - депротонированые, аргинины и лизи-ны - протонированные. Далее мы использовали Dowser++ [19] для добавления молекул воды во внутренние полости белка. Стартовое положение лигандов аденозиндифосфата, двух ионов Mg2+, Н-ацетиласпартилфосфорилата (НЛЛ-Р03) было определено по аналогии со структурами из банка данных PDB: Ш8Л и 2DLN. Для определения положения глутамата не было прямых структурных аналогий, поэтому было приготовлено несколько стартовых структур с разными положениями глутамата, соответствующими идее атаки на фос-форилированный карбоксильный атом углерода НЛЛ-Р03. Часть ранее добавленных молекул воды была удалена в случаях конфликта с положением лигандов. Сольватационная оболочка и противоионы, гарантирующие общую электронейтральность системы, были добавлены с помощью программы VMD [20].
Для расчетов классических молекулярно-ди-намических траекторий применяли программный пакет NAMD [13], используя силовое поле СИЛЯММ3б [21]. Для симуляции ОТТ-ансамбля использовали метод Нозе - Гувера и Ланжеве-новую динамику (Т = 310 К, Р = 1 атм). Был
использован шаг интегрирования 2 фс благодаря заморозке всех связей тяжелых атомов с атомами водорода (алгоритм SHAKE/SETTLE). В результате отбора из ряда начальных классических траекторий была получена структура с конфигурацией активного центра, которая оставалась стабильной в течение не менее 500 нс траектории, тогда как в других случаях из активного центра уходил глутамат. Для дальнейшего уточнения конфигурации белок-лигандного комплекса был использован подход ускоренной молекулярной динамики GAMD, также реализованный в NAMD [22], который позволяет гораздо быстрее исследовать конфигурационное пространство системы за счет добавления дополнительного потенциала. Было получено суммарно более 2500 нс траекторий со всеми лигандами в активном центре, а также суммарно более 2000 нс траекторий без глутамата в активном центре. Рассмотрение двух типов траекторий (с глутаматом и без глутамата) позволяет сравнить различные конфигурации активных центров, а также отдельно рассмотреть реакцию переноса фосфатной группы с ATP на NAA без глутамата и его окружения в активном центре, что значительно экономит вычислительные ресурсы.
Обычно первичный анализ результатов осуществляется с помощью загрузки и визуальной инспекции полученных траекторий, что позволяет оценить положение лигандов в активном центре, основной цепи структурных элементов белка активного центра, а также соответствующих боковых цепей. В случае длинных траекторий и
Рис. 2. Квантовая часть КМ/ММ молекулярно-динамического расчета.
)з)
Отмечены атомы O, PG (NAA-p03) и O3B (ADP)
большого разнообразия конфигураций активного центра требуется более комплексный подход, чем выделение одного ключевого параметра, например расстояния атаки C-N или O-P, чтобы описать строение активного центра в целях последующего отбора стартовой структуры для дальнейших расчетов траекторий методом КМ/ ММ. В таком случае применение кластерного анализа, решающего задачу машинного обучения без учителя, позволяет анализировать результаты расчетов молекулярных траекторий, при этом основной проблемой является эффективная реализация уже хорошо известных алгоритмов (например, DBSCAN [23]), которая позволяет эффективно рассчитывать признаки из действительно масштабных молекулярных траекторий [24]. Для анализа полученных классических траекторий мы использовали пакет VMD и библиотеки MDAnalysis [25] для Python. Кластерный анализ в VMD реализован в упрощенном варианте [26] алгоритма QT [27], тогда как в MDAnalysis можно рассчитать любые характеристики вдоль траектории, получив матрицу признаков, затем, обработать ее с помощью любой современной библиотеки машинного обучения для Python, например scikit-learn [28].
Отобранное путем кластерного анализа окно классической траектории было использовано для запуска КМ/ММ-траектории с помощью NAMD, TeraChem [29] и соответствующей программы-интерфейса между ними [30]. Квантовая часть расчета включала часть аденозин-дифосфата (ADP), NAA-PO3, катионы магния, боковые цепи остатков Arg160/201/215, Lys111,
Л8р260, С1и273, л8п275 и 7 молекул воды ближайшего окружения (рис. 2). Квантовая задача на каждом шаге траектории решалась для нейтрального синглета в рамках метода Хартри -Фока для закрытых оболочек с базисным набором 6-3Ю (129 атомов, 460 оболочек, 726 базисных функций).
Для расчета траекторий с ограничивающими потенциалами вдоль координаты реакции мы использовали модуль так называемых коллективных переменных (со1уаге) [31], окна выбирались через каждые 0,2-0,4 А заданной координаты, ограничивающий потенциал составлял 20-50 ккал/(мольА2), а длина траектории окон составляли не менее 10-15 пикосекунд каждая. Далее мы использовали методы зонтичной выборки и термодинамического интегрирования для получения реакционного профиля свободной энергии из полученных распределений координаты по всем траекториям [32].
Результаты и выводы
В случае первого набора траекторий (все лиганды в активном центре) анализ среднеквадратичного отклонения (ЯМ8Э) атомов основной цепи белка (рис. 3, А), а также выбранных атомов активного центра (рис. 3, Б) показывает, что суммарно по всем траекториям наблюдается несколько конформаций. Очевидно, что различия в относительном положении и кон -формациях лигандов будут существенно влиять на энергетический барьер второй стадии реакции. Это хорошо видно по расстоянию атаки атома азота глутамата на карбоксильный
Рис. 3. RMSD для основной цепи белка (А) и атомов активного центра (Б). Траектории выравнены по основной цепи, расчет RMSD проводили относительно средней структуры. Атомы активного центра определены как тяжелые атомы лигандов NAA-PO3, Glu, а также тяжелые атомы всех остатков белка, которые находились не дальше 4,5 Â от этих атомов. Каждый кадр соответствует 50 пс траектории
Рис. 4. Распределение расстояний атаки атома азота Glu на карбоксильный атом
углерода NAA-PO3
Glu
NA А-РО i
Рис. 5. Тяжелые атомы лигандов Glu и NAA-PO3, более высокая интенсивность окраски указывает на высокие значения RMSF - большую подвижность атомов в ходе траектории
атом углерода NAA-PO3, распределение явно характеризуется наборами конформаций с более короткими расстояниями атаки (около 3,1 Â, рис. 4, черный) и более длинными (более 3,6 Â, рис. 4, серый).
Расчет среднеквадратичных флуктуаций (RMSF) тяжелых атомов NAA-PO3 и Glu по траектории показал, что наиболее подвижными являются ближайшие друг к другу карбоксильные группы лигандов (рис. 5).
Анализ RMSF остатков активного центра показал, что наибольшие флуктуации вдоль тра-
ектории реализуются для Thr76-Pro77, Ser227 и остатков 275-279. Thr76-Pro77 входят в составе петли 74-80, образующей контакт с другой петлей 156-164, которая накрывает активный центр. Ser227 входит в состав петли 217-230, которая образует контакт с вышеобозначенными остатками 156-164. Основная и боковые цепи петли 275-279 находятся в близком контакте с NAA-PO3 и Glu. Остатками с наименьшими значениями RMSF являются Asp260 и Glu273, которые координируют катионы магния, а также Arg201, который координирует NAA-PO3 и Asp260.
Рис. 6. Наложение Glu и NAA-PO3 опорных структур кластеров, полученных по анализу выделенного активного центра
Кластерный анализ по положению тяжелых атомов выделенного активного центра с радиусом обрезания кластеризации 1,2 Â по RMSD выявил, что основная конфигурация наблюдается в 58% кадров траектории. Вторая, третья, четвертая, пятая конфигурации и неклассифицированный остаток наблюдаются соответственно в 24, 8, 3, 2 и 5% кадров траектории. Наложение NAA-PO3 и Glu из опорных структур полученных кластеров представлено на рис. 6. Помимо различий конформаций глутамата и NAA-PO3, показанных на рис. 6, наиболее значимые различия между кластерами наблюдались для остатков Val278, Asn275, Thr76, Arg160, Ser227, Arg201.
Для описания механизма стадии фосфори-лирования NAA был использован второй набор траекторий без глутамата в активном центре. Основным отличием второго набора траекторий от первого является динамика петель 156-164 и 217-230, которые как своеобразные ворота могут «закрываться», создавая контакт и прикрывая активный центр, и «открываться», когда контакт петель нарушается. В таких наборах конформаций активный центр полностью открыт для входа и выхода лигандов, а флуктуации петель становятся гораздо более значительными.
В результате анализа траекторий была выделена опорная структура наибольшего кластера (соответствующего «закрытым» воротам),
СПИСОК ЛИТЕРАТУРЫ
которую мы выбрали как стартовую точку КМ/ ММ-расчетов. Сечение поверхности свободной энергии построили, используя координату, отражающую разность расстояний О(НАА)-РС(АТР) и РС(АТР)-О3в(АТР), когда одна связь кислорода с фосфором в ходе реакции рвется, а другая образуется. Полученные продукты НАА-РО3 и АБР оказались более чем на 20 ккал/моль стабильнее, чем реагенты (НАА и АТР), энергетический барьер превращения составил менее 3 ккал/моль. Такая энергетика реакции, пусть и рассчитанная в довольно грубом приближении ЯИР/б-ЗШ, указывает на то, что стадия фосфорилирования Н-ацетиласпартата не является лимитирующей в ферментативном синтезе МААС.
В настоящей работе мы провели моделирование структуры и динамики белкового комплекса НААС8 с лигандами, восстановив по первичной последовательности пространственную структуру белка. Обработанные масштабные результаты молекулярного моделирования показали наиболее подвижные части и остатки активного центра белок-лигандного комплекса. Используя выделенную доминирующую конфигурацию, был рассчитан профиль свободной энергии стадии переноса концевой фосфатной группы с АТР на Н-ацетиласпартат, что позволило однозначно исключить эту стадию как лимитирующую скорость.
1. Becker I. et al. // J. Biol. Chem. 2010. Vol. 285. P. 29156 (DOI:10.1074/jbc.M110.111765).
2. Bím D. et al. // J. Phys. Chem. B. 2022. Vol. 126. P. 132 (D0I:10.1021/acs.jpcb.1c09240).
3. Burley S.K. et al. // Nucleic Acids Res. 2019. Vol. 47. P. D520 (D01:10.1093/nar/gky94).
4. Collard F. et al. // J. Biol. Chem. 2010. Vol. 285. P. 29826 (D0I:10.1074/jbc.M110.152629).
5. Dama J.F. et al. // J. Chem. Theory Comput. 2015. Vol. 11. P. 5638 (D0I:10.1021/acs.jctc.5b00907).
6. Fiorin G. et al. // Mol. Phys. 2013. Vol. 111. P. 3345 (DOI: 10.1080/00268976.2013.813594).
7. González-Alemán R. // J. Chem. Inf. Model. 2020. Vol. 60. P. 467 (D0I:10.1021/acs.jcim.9b00558).
8. Gowers R. et al. // U.S. Department of Energy. 2016. P. 98 (D0I:10.25080/Majora-629e541a-00e).
9. Guarda A.S. et al. // Mol. Brain Res. 1988. Vol. 3. P. 223 (D0I:10.1016/0169-328X(88)90045-9).
10. Heyer L.J. et al. // Genome Res. 1999. Vol. 9. P. 1106 (D0I:10.1101/gr.9.11.1106).
11. Huang J. et al. // Nat. Methods. 2016. Vol. 14. P. 71 (D0I:10.1038/nmeth.4067).
12. Humphrey W. et al. // J. Mol. Graph. 1996. Vol. 14. P. 33 (D0I:10.1016/0263-7855(96)00018-5).
13. Hunkler S. et al. // J. Chem. Phys. 2023. Vol. 158. R 144109 (D0I:10.1063/5.0142797).
14. Kästner J., Thiel W. // J. Chem. Phys. 2005. Vol. 123. P. 144104 (D0I:10.1063/1.2052648).
15. Khacho P. et al. // Neurobio. Dis. 2015. Vol. 82. P. 580 (D0I:10.1016/j.nbd.2015.08.017).
16. Klusák V. et al. // Biochemistry. 2009. Vol. 48. P. 4126 (D0I:10.1021/bi900220s).
17. Krivitskaya A.V. et al. // Molecules. 2021. Vol. 26. P. 6280 (D0I:10.3390/molecules26206280).
18. Kryshtafovych A. et al. // Proteins. 2021. Vol. 89. P. 1607 (D0I:10.1002/prot.26237).
19. Ester M. et al. // KDD. 1996. Vol. 96. P. 226 (D01:10.5555/3001460.3001507).
20. Mirdita M. et al. // Nat. Methods. 2022. Vol. 19. P. 679 (DOI: 10.1038/s41592-022-01488-1).
21. Morozenko A. et al. // Proteins. 2016. Vol. 84. P. 1347 (D0I:10.1002/prot.25081).
22. Neale J.H. et al. // Prog. Neurobiol. 2020. Vol.184.P. 101722 (DOI: 10.1016/j.pneuro-bio.2019.101722).
23. Pang Y.T. et al. // J. Chem. Theory Comput. 2017. Vol. 13. P. 9 (D0I:10.1021/acs.jctc. 6b00931).
24. Pedregosa F. et al. // Environ. Health Per-spect. 2012. Vol. 12.P. 2825 (D01:10.48550/arX-iv.1201.0490).
25. Phillips J.C. et al. // J. Chem. Phys. 2020. Vol. 153. (D0I:10.1063/5.0014475).
26. Хренова М.Г. и др. // Вестн. Моск. Ун -та. Химия 2024. Т. 65 С. 87 (D0I:10.55959/MSU0579-9384-2-2024-65-2-87-95).
27. Polyakov I.V. et al. // Mendeleev Commun. 2022. Vol. 32. P. 739 (D0I:10.1016/j.mencom.2022.11.010).
28. Polyakov I.V., et al. // ACS Chem. Neurosci. 2020. Vol. 11. P. 2296 (D0I:10.1021/acschemneuro.0c00250).
29. Seritan S. et al. // Wiley Interdiscip. Rev. Comput. Mol. Sci. 2021. Vol. 11. P. 1 (D0I:10.1002/ wcms.1494).
30. Sousa S.F. et al. // Wiley Interdiscip. Rev. Comput. Mol. Sci. Vol. 7. (D0I:10.1002/wcms.1281).
31. Uno Y., Coyle J. T. // Psychiatry Clin. Neurosci. 2019. Vol. 73. P. 204 (D0I:10.1111/pcn.12823).
32. Хренова М.Г. и др. // Химическая физика 2022. Т. 41. С. 65 (D0I:10.31857/S0207401X22060061).
Информация об авторах
Игорь Вадимович Поляков - ст. науч. сотр. кафедры физической химии химического факультета МГУ имени М.В. Ломоносова, науч. сотр. Института биохимической физики им. Н.М. Эмануэля РАН ([email protected]);
Александра Вячеславовна Кривицкая - мл. науч. сотр. ФИЦ Биотехнологии РАН, мл. науч. сотр. Института биохимической физики им. Н.М. Эмануэля РАН ([email protected]);
Мария Григорьевна Хренова - профессор кафедры физической химии химического факультета МГУ имени М.В. Ломоносова, вед. науч. сотр. Института биохимической физики им. Н.М. Эмануэля РАН, вед. науч. сотр. ФИЦ Биотехнологии РАН ([email protected]).
Вклад авторов
Все авторы сделали эквивалентный вклад в подготовку публикации. Конфликт интересов
Авторы заявляют об отсутствии конфликта интересов. Соблюдение этических стандартов
В данной работе отсутствуют исследования человека и животных. Статья поступила в редакцию 10.03.2024; одобрена после рецензирования 16.03.2024; принята к публикации 25.03.2024.
