学术速运|利用ReFOLD4细化方法和AlphaFold2再循环过程改进蛋白质的三级和四级结构预测_蛋白质四级结构预测

​题目：Improvement of protein tertiary and quaternary structure predictions using the ReFOLD4 refinement method and the AlphaFold2 recycling process

文献来源： https://doi.org/10.1101/2022.12.06.519289

代码：无（bioaxiv预打印）

简介：随着AlphaFold2的发展，预测结构和实验结构之间的精度差距显著降低。然而在药物发现和蛋白质设计，AlphaFold2给出的结果需要是溶液中的蛋白质结构。但AlphaFold2只能生成少量的结构构象，而不是一个构象景观。在以往的CASP实验中，基于MD模拟的方法广泛应用于提高单个三维模型的精度。然而，这些方法是高度的计算密集型的大型应用。尽管如此，我们可以从细化的角度理解构象动力学，并以合适的计算成本为代价提高三维模型的质量。在本文，作者采用了ReFOLD4管道使AlphaFold2能够给出预测构象景观，并且同时保持着较高的模型精度。此外，利用AlphaFold2再循环过程作为第三级和第四结构预测的定制模板输入来提高模型精度。

根据Molprobity分数，ReFOLD4生成的3D模型中有94%得到了改进。以lDDT的平均变化为评价指标，AlphaFold2对单体AF2模型的回收率分别为87.5%（使用MSAs）和81.25%（使用单序列），对非AF2单体模型的回收率分别为100%（MSA）和97.8%（单序列）。通过同样的方法，多聚模型的回收率显示，AF2模型的提高率为80%，非AF2模型的提高率为94%。AlphaFold2再循环过程和ReFOLD4方法可以非常有效地结合，使AlphaFold2具有高精度的构象景观，同时也显著提高三级和四级结构三维模型的全局预测质量。

主要内容：