在第8次CAPRI中pyDock的性能:应用到对接和AlphaFold模型的基于能源的评分
Luis Angel Rodríguez-Lumbreras1,2, Mireia Rosell1,2, Miguel Romero-Durana1,2
1Instituto de Ciencias de la Vid y del Vino (ICVV), CSIC-Universidad de La Rioja-Gobierno de La Rioja, Logroño, Spain.
Proteins
|August 25, 2025
概括
第8次CAPRI实验发现AlphaFold等人工智能方法对蛋白质复杂结构的预测有显著影响. 我们的团队整合了这些工具,
科学领域:
- 计算生物学
- 结构生物信息学
- 生物化学中的人工智能
背景情况:
- 预测相互作用的批判性评估 (CAPRI) 实验对蛋白质结构预测方法进行了基准.
- 蛋白质-蛋白质复合结构预测仍然是结构生物学中的一个重大挑战.
研究的目的:
- 评估新兴人工智能方法,如AlphaFold,在第8期CAPRI版本中的蛋白质复杂结构预测的影响.
- 评估混合建模方法的性能,将传统的对接协议与人工智能驱动的预测结合起来.
主要方法:
- 使用pyDock进行初始建模和评分,转换为AlphaFold2用于后期目标的子单位建模.
- 整合了AlphaFold-Multimer用于复杂的建模,并使用了结合pyDock能量和AlphaFold信心得分的评分系统.
- 应用标准的限制装置和过器,用于分数提供模型.
主要成果:
- 在45%的目标中作为预测者 (排名第4) 和64%的目标中作为得分者 (排名第3) 取得成功.
- 尽管引入了新的AI工具,但性能与之前的CAPRI版本是一致的.
- 确定了对所有参与者来说都很困难的挑战性目标,并指出了未来研究的领域.
结论:
- 像AlphaFold这样的AI工具的整合显著提升了蛋白质复杂结构预测能力.
- 当与人工智能预测相结合时,基于能源的评分和其他已建立的方法仍然具有价值.
- 蛋白质对接是一个不断发展的领域,
更多相关视频
05:08Application of I TASSER, trRosetta, UCSF Chimera, HADDOCK server, and HEX loria for De Novo and In Silico Design of Proteins
Published on: July 8, 2025
340
11:06Network Pharmacology Prediction and Metabolomics Validation of the Mechanism of Fructus Phyllanthi against Hyperlipidemia
Published on: April 7, 2023
2.2K
