在CASP15中使用AlphaFold进行大规模采样,改进了多重体预测
1Division of Bioinformatics, Department of Physics, Chemistry and Biology, Linköping University, Linköping, Sweden.
Proteins
|August 7, 2023
概括
使用AlphaFold2进行大规模采样,使用掉落和各种设置,显著提高了CASP15.15中蛋白质多分子结构预测的准确性. 这种方法比基准方法提高了模型质量和可靠性.
科学领域:
- 计算生物学是一种计算生物学.
- 结构生物学是结构生物学.
- 生物信息学是一种生物信息学.
背景情况:
- AlphaFold2显著提高了蛋白质结构预测的准确性.
- 改善蛋白质多元体的预测仍然是一个挑战.
- AlphaFold2的内部评分功能是对其预测排名的关键.
研究的目的:
- 通过大规模采样利用AlphaFold2的评分功能来增强蛋白质多重结构预测.
- 探索不同采样策略对预测质量的影响.
主要方法:
- 在38个CASP15目标中使用6个不同的设置进行了广泛的AlphaFold2运行 (274,289个模型).
- 在推断不确定性抽样和模型多样性的过程中启用掉队层.
- 使用了多元v1和v2重量,带有和没有模板,以及各种各样的回收计数.
主要成果:
- 与基线NBIS-AF2多重体相比,取得了显著的改善,平均DockQ从0.43增加到0.56.
- 每个目标生成了大量模型 (中位数为4810),从而提高了质量评估.
- 确定多元体v1比v2更容易接受采样改进.
结论:
- 大规模采样,特别是随着脱落和多分子v1,有效地提高了AlphaFold2的蛋白质多分子预测准确度.
- 该战略显著提高了对具有挑战性的目标的预测质量.
- 该方法和代码是公开可用的,以便进一步研究.
