PNAS | 使用能量挫折分析和AlphaFold2预测蛋白质构象运动

文章预览

DRUG AI 今天为大家介绍的是来自Wenfei Li团队的一篇论文。蛋白质通过运动来实现其生物功能。尽管利用基于深度学习的方法高通量预测蛋白质的三维静态结构已被证明是可行的，但预测其构象运动仍然是一个挑战。纯粹依赖数据驱动的机器学习方法难以解决此类运动问题，因为目前关于蛋白质构象运动的实验数据仍然有限。在这项研究中，作者开发了一种方法，将物理能量景观信息整合到基于深度学习的方法中，以生成蛋白质的变构运动。作者证明了局部能量挫折（即能量景观中的局部特征量化）可以用于增强AlphaFold2 (AF2) 在预测蛋白质构象运动方面的能力。从基态的静态结构出发，这种整合方法通过在输入的多序列比对中逐步增强能量挫折特征，生成蛋白质构象运动的替代结构和运动路径。以腺苷酸激酶为模型蛋白，作者展示了所生成的构象运动 ………………………………