相关实验视频
Updated: May 30, 2025
11:14
Primer-Free Aptamer Selection Using A Random DNA Library
Published on: July 26, 2010
24.7K
在CAPRI第55轮中,针对抗体-抗原标的大规模采样策略与大规模折叠
Nessim Raouraoua1, Marc F Lensink1, Guillaume Brysbaert1
1Univ. Lille, UMR 8576 - UGSF - Unité de Glycobiologie Structurale et Fonctionnelle, Lille, France.
Proteins
|January 27, 2025
概括
使用AlphaFold2进行大规模采样可以提高蛋白质-蛋白质复合物的预测,特别是对于具有挑战性的抗体-抗原标. 然而,对于选择顶级车型而言,信心评分是不可靠的,并且增加抽样,而不是学是获得最佳结果的关键.
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.
- 生物物理学的生物物理.
背景情况:
- AlphaFold2具有先进的蛋白质结构预测.
- 以前的方法,如AFsample在CASP15-CAPRI中显示出有前途的结果.
- 抗体-抗原相互作用仍然是预测工具面临的重大挑战.
研究的目的:
- 评估使用AlphaFold2进行大规模采样以进行抗体-抗原复合体预测的有效性.
- 评估AlphaFold2信任分数在识别高质量的模型中的有用性.
- 为了优化预测,比较不同的采样策略.
主要方法:
- 利用基于AlphaFold2的MassiveFold,在6个池中为每个目标生成超过6000个预测.
- 适用于每个预测池的不同的参数集.
- 专注于来自CAPRI第55轮的抗体-抗原标.
主要成果:
- 大规模采样始终产生了可接受的高质量预测.
- AlphaFold2的内部信心评分不是模型准确性的可靠指标.
- 对大多数目标而言,增加抽样而没有学率超过了其他策略.
结论:
- 大规模采样是改善蛋白质-蛋白质复合体预测的可行策略,包括困难的抗体-抗原病例.
- 仅仅依靠AlphaFold2的信心评分可能会误导.
- 优化采样参数,特别是增加采样而不会丢失,对于实现顶级预测至关重要.
