了解大分子的一级序列如何控制其构象关系对于阐明其功能至关重要。近日，北卡罗来纳州大学教堂山分校Abigail S. Knight介绍了一种高通量工作流程，该流程实现了一种实用的比色构象分析，并介绍了使用基质辅助激光解吸/电离和串联质谱（MALDI-MS/MS）的半自动测序方案。

本文要点：

1) 作者开发了一种通用的序列结构算法，并且使用含有极性甘氨酸和疏水性N-丁基甘氨酸残基的拟肽模型系统。作者确定了9种构象分类，并分离出122个不同组成和构象的独特序列。

2) 通过原子模拟和离子迁移谱与液相色谱的结合，作者证实了三个成分相同的构象分布。作者使用现有的序列变量和数据衍生的“基序”开发了一种数据驱动策略，为机器学习算法提供构象预测信息。

参考文献：

Erin C. Day et.al A high-throughput workflow to analyze sequence-conformation relationships and explore hydrophobic patterning in disordered peptoids Chem 2024

DOI: 10.1016/j.chempr.2024.07.025

https://doi.org/10.1016/j.chempr.2024.07.025