一个集成AlphaFold 2和MODELLER的自动化管道用于蛋白质结构预测
Fabio Hernan Gil Zuluaga1, Nancy D'Arminio2, Francesco Bardozzo1
1Department of Management & Innovation Systems, University of Salerno, Via Giovanni Paolo II, 132, 84084 Fisciano, SA, Italy.
Computational and structural biotechnology journal
|December 4, 2023
概括
我们开发了AlphaMod,这是一个整合AlphaFold2和MODELLER的管道,以提高蛋白质结构预测的准确性. AlphaMod改进了AlphaFold2的预测,并为可靠的三级结构建模提供了强大的质量评估.
科学领域:
- 计算生物学 计算生物学
- 结构生物信息学 结构生物信息学
- 人工智能在生物学中的应用
背景情况:
- 准确的蛋白质三维 (3D) 结构预测对于理解蛋白质功能,进化和药物设计至关重要.
- 像AlphaFold2这样的现有工具已经推进了蛋白质结构预测,但需要进一步提高准确性和质量评估.
研究的目的:
- 通过将AlphaFold2与MODELLER集成来提高蛋白质3D结构预测的准确性.
- 开发一个全面的质量评估管道来评估预测的蛋白质结构.
主要方法:
- 开发AlphaMod,这是一个结合AlphaFold2和MODELLER的新型管道,用于蛋白质结构建模.
- 整合了多个质量评估工具,创建了一个与GDT_TS.TS相关的复合分数 (BORDASCORE).
- 使用两个数据集 (72个目标) 验证了AlphaMod,并将其性能与AlphaFold2.2进行了比较.
主要成果:
- 在 AlphaFold2 上,AlphaMod 显示了更高的准确性,无监督对对比的比较增加了 34%.
- 在监督的设置中,AlphaMod在18%的实例中超过了AlphaFold2.
- 在没有参考结构的情况下,BORDASCORE有效地帮助选择最佳模型.
结论:
- 与单独使用AlphaFold2相比,AlphaMod显著提高了三级蛋白质结构预测的准确性.
- 管道为质量评估和模型选择提供了一个强大的方法.
- AlphaMod为整合更多数据和人工智能算法提供了基础,以进一步提高预测可靠性.
