<script type="text/javascript">
<!--
document.write('<div id="oa_widget"></div>');
document.write('<script type="text/javascript" src="https://www.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=undefined&type=result"></script>');
-->
</script>

COPY SCRIPT

For further information contact us at helpdesk@openaire.eu

Water migration through enzyme tunnels is sensitive to the choice of explicit water model (AldO + CYP2D6)

Research datakeyboard_double_arrow_right Dataset 10 Jun 2024Publisher:Zenodo

Authors: Szleper, Katarzyna; Tanriver, Gamze; Góra, Artur;

doi: 10.5281/zenodo.11545454 , 10.5281/zenodo.11545455

Water migration through enzyme tunnels is sensitive to the choice of explicit water model (AldO + CYP2D6)

- Summary
- Metrics

Abstract

This repository contains data for the alditol oxidase (AldO) and cytochrome P450 2D6 (CYP2D6). Data underpinning analyses of haloalkane dehalogenase DhaA are available from the related repository: 10.5281/zenodo.11489893. Content: AldO.tar.gz: tt_conda.yml -> conda environment used for the calculations. Usage : conda env create -f tt_conda.yml conda activate tt_conda.yml 01_MD_simulations -> the files to run simulation, out and restart files from simulation and simulation analysis results, organized by models and Tunnel Conformational Groups (TCGs). ├── 01_MD_simulations│ ├── 01_inputs│ │ ├── opc│ │ │ ├── TCG_d1.0_o1.6│ │ │ └── TCG_d2.0_o1.9│ │ ├── scripts│ │ │ ├── 00_prepare_model.sh│ │ │ ├── 01_minimization.sh│ │ │ ├── 02_equilibration.sh│ │ │ └── 03_production.sh│ │ ├── tip3p│ │ │ ├── TCG_d1.0_o1.6│ │ │ └── TCG_d2.0_o1.9│ │ └── tip4pew│ │ ├── TCG_d1.0_o1.6│ │ └── TCG_d2.0_o1.9│ ├── 02_outputs│ │ ├── opc│ │ │ ├── TCG_d1.0_o1.6│ │ │ └── TCG_d2.0_o1.9│ │ ├── tip3p│ │ │ ├── TCG_d1.0_o1.6│ │ │ └── TCG_d2.0_o1.9│ │ └── tip4pew│ │ ├── TCG_d1.0_o1.6│ │ └── TCG_d2.0_o1.9│ ├── 03_analysis│ │ ├── rmsd_opc.csv│ │ ├── rmsd_tip3p.csv│ │ ├── rmsd_tip4pew.csv│ │ ├── rmsf_opc.csv│ │ ├── rmsf_tip3p.csv│ │ └── rmsf_tip4pew.csv│ └── readme.txt02_caver -> results of CAVER calculations, organized by models and TCGs. ├── 02_caver│ ├── config_files│ │ ├── calculate_tunnels.txt│ │ └── clustering.txt│ ├── opc│ │ ├── TCG_d1.0_o1.6│ │ │ ├── 1│ │ │ ├── 2│ │ │ ├── 3│ │ │ ├── 4│ │ │ └── 5│ │ └── TCG_d2.0_o1.9│ │ ├── 1│ │ ├── 2│ │ ├── 3│ │ ├── 4│ │ └── 5│ ├── readme.txt│ ├── tip3p│ │ ├── TCG_d1.0_o1.6│ │ │ ├── 1│ │ │ ├── 2│ │ │ ├── 3│ │ │ ├── 4│ │ │ └── 5│ │ └── TCG_d2.0_o1.9│ │ ├── 1│ │ ├── 2│ │ ├── 3│ │ ├── 4│ │ └── 5│ └── tip4pew│ ├── TCG_d1.0_o1.6│ │ ├── 1│ │ ├── 2│ │ ├── 3│ │ ├── 4│ │ └── 5│ └── TCG_d2.0_o1.9│ ├── 1│ ├── 2│ ├── 3│ ├── 4│ └── 5 03_aquaduct -> results of AQUA-DUCT calculations, organized by models and TCGs. ├── 03_aquaduct│ ├── opc│ │ ├── TCG_d1.0_o1.6│ │ │ ├── 1│ │ │ ├── 2│ │ │ ├── 3│ │ │ ├── 4│ │ │ └── 5│ │ └── TCG_d2.0_o1.9│ │ ├── 1│ │ ├── 2│ │ ├── 3│ │ ├── 4│ │ └── 5│ ├── readme.txt│ ├── tip3p│ │ ├── TCG_d1.0_o1.6│ │ │ ├── 1│ │ │ ├── 2│ │ │ ├── 3│ │ │ ├── 4│ │ │ └── 5│ │ └── TCG_d2.0_o1.9│ │ ├── 1│ │ ├── 2│ │ ├── 3│ │ ├── 4│ │ └── 5│ └── tip4pew│ ├── TCG_d1.0_o1.6│ │ ├── 1│ │ ├── 2│ │ ├── 3│ │ ├── 4│ │ └── 5│ └── TCG_d2.0_o1.9│ ├── 1│ ├── 2│ ├── 3│ ├── 4│ └── 5 04_transport_tools -> the results of TransportTools and analysis done from TransportTools results. ├── 04_transport_tools│ ├── overall_results│ │ ├── config.in│ │ ├── data│ │ │ ├── exact_matching_analysis│ │ │ └── super_clusters│ │ ├── statistics│ │ │ ├── 1-initial_tunnels_statistics_bottleneck_residues.txt│ │ │ ├── 1-initial_tunnels_statistics.txt│ │ │ ├── 2-filtered_tunnels_statistics_bottleneck_residues.txt│ │ │ ├── 2-filtered_tunnels_statistics.txt│ │ │ ├── 3-initial_events_statistics_bottleneck_residues.txt│ │ │ ├── 3-initial_events_statistics.txt│ │ │ ├── 4-filtered_events_statistics_bottleneck_residues.txt│ │ │ ├── 4-filtered_events_statistics.txt│ │ │ └── comparative_analysis│ │ ├── transport_tools.log│ │ └── visualization│ │ ├── 1-visualize_initial_tunnels.py│ │ ├── 2-visualize_filtered_tunnels.py│ │ ├── 3-visualize_initial_events.py│ │ ├── 4-visualize_filtered_events.py│ │ ├── comparative_analysis│ │ └── sources│ └── scripts│ ├── bottleneck_residues│ │ ├── 5_bottleneck_residues.py│ │ └── T1.png│ ├── presence_of_tunnels│ │ ├── 6_tunnels_before_assignment.py│ │ ├── before.png│ │ └── number_frames.pkl│ └── water_transport_analysis│ ├── 8_main_figure.py│ ├── figure2.png│ ├── output│ ├── percent_frames_events_AldO.png│ ├── transit_time_median.png│ ├── tt_events.png│ └── water_per_frame_AldO.png CYP2D6.tar.gz: tt_conda.yml -> conda environment used for the calculations. Usage : conda env create -f tt_conda.yml conda activate tt_conda.yml 01_MD_simulations -> the files to run simulation, out and restart files from simulation and simulation analysis results, organized by models and Tunnel Conformational Groups (TCGs). ├── 01_MD_simulations│ ├── 01_inputs│ │ ├── opc│ │ │ ├── TCG_d1.7_o1.6_TCG_d1.1_o1.4_TCG_d1.1_o.1.1│ │ │ └── TCG_d2.0_o1.9_TCG_d1.6_o1.6_TCG_d1.6_o1.1│ │ ├── scripts│ │ │ ├── 01_minimization_heating_CPU_ARES_prep.sh│ │ │ ├── 02_equilibration_GPU_ARES_prep.sh│ │ │ ├── 03_production_ARES.sh│ │ │ └── prepare_model_3tbg.sh│ │ ├── tip3p│ │ │ ├── TCG_d1.7_o1.6_TCG_d1.1_o1.4_TCG_d1.1_o.1.1│ │ │ └── TCG_d2.0_o1.9_TCG_d1.6_o1.6_TCG_d1.6_o1.1│ │ └── tip4pew│ │ ├── TCG_d1.7_o1.6_TCG_d1.1_o1.4_TCG_d1.1_o.1.1│ │ └── TCG_d2.0_o1.9_TCG_d1.6_o1.6_TCG_d1.6_o1.1│ ├── 02_outputs│ │ ├── opc│ │ │ ├── TCG_d1.7_o1.6_TCG_d1.1_o1.4_TCG_d1.1_o.1.1│ │ │ └── TCG_d2.0_o1.9_TCG_d1.6_o1.6_TCG_d1.6_o1.1│ │ ├── tip3p│ │ │ ├── TCG_d1.7_o1.6_TCG_d1.1_o1.4_TCG_d1.1_o.1.1│ │ │ └── TCG_d2.0_o1.9_TCG_d1.6_o1.6_TCG_d1.6_o1.1│ │ └── tip4pew│ │ ├── TCG_d1.7_o1.6_TCG_d1.1_o1.4_TCG_d1.1_o.1.1│ │ └── TCG_d2.0_o1.9_TCG_d1.6_o1.6_TCG_d1.6_o1.1│ ├── 03_analysis│ │ ├── rmsd_opc.csv│ │ ├── rmsd_tip3p.csv│ │ ├── rmsd_tip4pew.csv│ │ ├── rmsf_opc.csv│ │ ├── rmsf_tip3p.csv│ │ └── rmsf_tip4pew.csv│ └── readme.txt 02_caver -> results of CAVER calculations, organized by models and TCGs. ├── 02_caver│ ├── config_files│ ├── opc│ │ ├── TCG_d1.7_o1.6_TCG_d1.1_o1.4_TCG_d1.1_o.1.1│ │ │ ├── 1│ │ │ ├── 2│ │ │ ├── 3│ │ │ ├── 4│ │ │ └── 5│ │ └── TCG_d2.0_o1.9_TCG_d1.6_o1.6_TCG_d1.6_o1.1│ │ ├── 1│ │ ├── 2│ │ ├── 3│ │ ├── 4│ │ └── 5│ ├── readme.txt│ ├── tip3p│ │ ├── TCG_d1.7_o1.6_TCG_d1.1_o1.4_TCG_d1.1_o.1.1│ │ │ ├── 1│ │ │ ├── 2│ │ │ ├── 3│ │ │ ├── 4│ │ │ └── 5│ │ └── TCG_d2.0_o1.9_TCG_d1.6_o1.6_TCG_d1.6_o1.1│ │ ├── 1│ │ ├── 2│ │ ├── 3│ │ ├── 4│ │ └── 5│ └── tip4pew│ ├── TCG_d1.7_o1.6_TCG_d1.1_o1.4_TCG_d1.1_o.1.1│ │ ├── 1│ │ ├── 2│ │ ├── 3│ │ ├── 4│ │ └── 5│ └── TCG_d2.0_o1.9_TCG_d1.6_o1.6_TCG_d1.6_o1.1│ ├── 1│ ├── 2│ ├── 3│ ├── 4│ └── 5 03_aquaduct -> results of AQUA-DUCT calculations, organized by models and TCGs. ├── 03_aquaduct│ ├── opc│ │ ├── TCG_d1.7_o1.6_TCG_d1.1_o1.4_TCG_d1.1_o.1.1│ │ │ ├── 1│ │ │ ├── 2│ │ │ ├── 3│ │ │ ├── 4│ │ │ └── 5│ │ └── TCG_d2.0_o1.9_TCG_d1.6_o1.6_TCG_d1.6_o1.1│ │ ├── 1│ │ ├── 2│ │ ├── 3│ │ ├── 4│ │ └── 5│ ├── readme.txt│ ├── tip3p│ │ ├── TCG_d1.7_o1.6_TCG_d1.1_o1.4_TCG_d1.1_o.1.1│ │ │ ├── 1│ │ │ ├── 2│ │ │ ├── 3│ │ │ ├── 4│ │ │ └── 5│ │ └── TCG_d2.0_o1.9_TCG_d1.6_o1.6_TCG_d1.6_o1.1│ │ ├── 1│ │ ├── 2│ │ ├── 3│ │ ├── 4│ │ └── 5│ └── tip4pew│ ├── TCG_d1.7_o1.6_TCG_d1.1_o1.4_TCG_d1.1_o.1.1│ │ ├── 1│ │ ├── 2│ │ ├── 3│ │ ├── 4│ │ └── 5│ └── TCG_d2.0_o1.9_TCG_d1.6_o1.6_TCG_d1.6_o1.1│ ├── 1│ ├── 2│ ├── 3│ ├── 4│ └── 5 04_transport_tools -> the results of TransportTools and analysis done from TransportTools results. ├── 04_transport_tools│ ├── overall_results│ │ ├── config.in│ │ ├── data│ │ │ ├── exact_matching_analysis│ │ │ └── super_clusters│ │ ├── statistics│ │ │ ├── 1-initial_tunnels_statistics_bottleneck_residues.txt│ │ │ ├── 1-initial_tunnels_statistics.txt│ │ │ ├── 2-filtered_tunnels_statistics_bottleneck_residues.txt│ │ │ ├── 2-filtered_tunnels_statistics.txt│ │ │ ├── 3-initial_events_statistics_bottleneck_residues.txt│ │ │ ├── 3-initial_events_statistics.txt│ │ │ ├── 4-filtered_events_statistics_bottleneck_residues.txt│ │ │ ├── 4-filtered_events_statistics.txt│ │ │ └── comparative_analysis│ │ ├── transport_tools.log│ │ └── visualization│ │ ├── 1-visualize_initial_tunnels.py│ │ ├── 2-visualize_filtered_tunnels.py│ │ ├── 3-visualize_initial_events.py│ │ ├── 4.pse│ │ ├── 4-visualize_filtered_events.py│ │ ├── comparative_analysis│ │ └── sources│ └── scripts│ ├── bottleneck_analyses│ │ ├── 5_bottleneck_residues.py│ │ ├── Ch2B-F.png│ │ ├── Ch2C.png│ │ └── ChS.png│ ├── presence_of_tunnels│ │ ├── 6_tunnels_before_assignment.py│ │ ├── before.png│ │ └── number_frames.pkl│ └── water_transport_analysis│ ├── 8_main_figure.py│ ├── figure2_Ch2B-Ch2F.png│ ├── figure2_Ch2C.png│ ├── figure2_Ch2S.png│ ├── output│ ├── percent_frames_events_Ch2B-Ch2F.png│ ├── percent_frames_events_Ch2C.png│ ├── percent_frames_events_ChS.png│ ├── transit_time_median_Ch2B-Ch2F.png│ ├── transit_time_median_Ch2C.png│ ├── transit_time_median_ChS.png│ ├── tt_events_Ch2B-Ch2F.png│ ├── tt_events_Ch2C.png│ ├── tt_events_Ch2S.png│ ├── water_per_frame_Ch2B-Ch2F.png│ ├── water_per_frame_Ch2C.png│ └── water_per_frame_ChS.png

Related Organizations

Silesian University of Technology
Poland

Impact byBIP!

	citations This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).	0
	popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.	Average
	influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).	Average
	impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.	Average

Found an issue? Give us feedback

Average