在CAPRI第47-55轮中与罗塞塔和深度学习方法对接

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:

• 相互作用预测的批判性评估 (CAPRI) 挑战社区评估蛋白质-蛋白质相互作用预测方法.
• 之前的CAPRI轮已经推动了对接和结构预测算法的进步.

研究的目的:

• 在最近的CAPRI轮 (47-55) 中评估Rosetta对接和深度学习方法的性能.
• 识别和解决预测蛋白质-蛋白质相互作用的关键挑战,包括构造变化和复杂组合.

主要方法:

• 将罗塞塔对接工具 (RosettaDock,ReplicaDock,SymDock) 与深度学习预测器 (AlphaFold2,IgFold,AlphaRED) 集成在一起.
• 开发了针对形状变化的增强采样方法,以及大型异质多元器件的折叠和停靠方法.
• 基于Rosetta的SymDock 2.0的应用用于对称复合体和抗体-抗原相互作用的分析.

主要成果:

• 在AlphaFold2后,对更简单的目标进行预测准确度的轻微改进,但对灵活复杂的目标的性能仍然有限.
• 通过使用增强的RosettaDock.成功预测结合诱导的细菌蛋白 (T194) 的构造变化.
• 使用折叠和码头策略和对称复合体 (T230) 使用SymDock 2.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.
• 尽管使用深度学习工具,但在模拟抗体-抗原接口,特别是CDR H3循环方面仍然存在挑战.

结论:

• 结合对接和深度学习方法有希望,但需要进一步精细化复杂的蛋白质相互作用.
• 解决构造灵活性和大型多重体结构对于推进蛋白质-蛋白质相互作用预测至关重要.
• 未来的努力应集中在针对抗体-抗原相互作用的专门策略上,包括增强的采样和CDR特定建模.