DeepUMQA3:一个用于准确评估蛋白质复合体中接口残留精度的Web服务器

科学领域:

• 计算生物学 计算生物学
• 结构生物学 结构生物学
• 生物信息学是一种生物信息学.

背景情况:

• 蛋白质结构预测对于生物医学应用至关重要.
• 已经建立了评估蛋白质单体模型的方法,但复杂模型缺乏可靠的评估方法.
• 精确评估蛋白质复杂接口残留物对于推进结构生物学至关重要.

研究的目的:

• 开发和介绍DeepUMQA3,一个用于评估蛋白质复杂结构中接口残留物准确性的Web服务器.
• 利用深度神经网络来预测每残留的lDDT和接口残留的准确性.

主要方法:

• DeepUMQA3使用深度神经网络,特别是改进的深度残余网络.
• 特征提取发生在三个层面:整体复杂,单体内和单体间.
• 该方法预测了每残留物lDDT和接口残留物的准确性.

主要成果:

• 在CASP15盲测试中,DeepUMQA3在界面残留精度估计的盲测试中排名第一.
• 在lDDT测量下取得了优异的皮尔森 (0.564),斯皮尔曼 (0.535) 和AUC (0.755) 分数.
• 与第二个最佳方法相比,显示出显著的改进,分别获得了17.6%,23.6%和10.9%的收益.
• DeepUMQA3还可以评估整体复杂精度,并区分残留精度.

结论:

• DeepUMQA3提供了一种非常准确的方法来评估蛋白质复杂接口残留的准确性.
• 网络服务器为结构生物学和生物信息学社区提供了有价值的工具.
• 这一进步解决了对蛋白质复杂结构预测的可靠质量评估的迫切需要.