Nat Commun｜提升AlphaFold2蛋白-蛋白相互作用的预测能力

智药邦 2023-01-26

The following article is from GoDesign Author PKUMDL

预测蛋白间的相互作用对于理解蛋白质的功能具有很重要的意义，但是目前缺乏工具能够精准地预测蛋白质复合物结构。

传统的蛋白质复合物结构预测主要依赖分子对接。分子对接又主要分为刚性和柔性，刚性对接准确度较低，而柔性对接一旦考虑主链链结构的rearrangement，复杂度会很高。

CASP14后的蛋白质单链结构预测方法，应用到复合物上，刚好可以实现Fold-and-Dock的方法，一步到位地兼顾了速度与主链的变化。

于是，以AlphaFold2（AF2）这一神器为基础，Patrick Bryant等人提升了蛋白复合物预测的能力，该工作于近日发表在Nature Communication上。

方法与结果

作者探索了不同的AF2用法与不同的多序列比对（MSA）输入的结合，在216个复合物蛋白的方法开发集上进行了比较。预测复合物的方法是仿照RoseTTAFold文章，将两条链的index留出200个残基的gap。复合物预测的成功指标为DockQ≥ 0.23。作者发现网络推断的超参数recycle、Ensembles对预测提升影响不大，而网络模型的选择与MSA的选择对结果影响很大。model_1的模型表型好于model_1_ptm，AF2本身的MSA输入与paired MSA输入结合（表1 AF2+Paired MSA）的表现优于二者分开，其中paired MSA是通过两条链序列的物种信息对其进行成对拼接（如图1）。

表1. 216个复合物蛋白的方法开发集上各种方法的表现

图1 AF2 MSA与paired MSA的拼接方式

接着作者用网络模型参数model_1与recycle=10、Ensembles=1在1481个复合物测试集上进行了测试，以比较出更好的MSA输入方式，参与比较的还有RoseTTAFold以及其他蛋白质复合物对接的方法。结果显示基于AF2的预测方法整体明显好于其他方法。AF2+paired MSA的对接成功率达到了57.8%。作者又尝试加入block diagonalization MSA输入（搜索uniclust30并将两种序列比对对角拼接），可以将成功率略微提升到58.4%。

图2 测试集上各种方法的DockQ比较，box收紧处为中位数

表2 测试集上各种方法的表现

为了能够区分预测出模型的好坏，作者受到AF2的pLDDT指标启发，提出了pDockQ指标。通过比较以下不同指标结合能否辨别DockQ ≥0.23：（1）链间8 Å内的Cβ原子数（2）界面上所有8 Å内的Cβ原子数（3）界面残基平均的plddt （4）两条链中最低的平均plddt（5）整体平均的plddt，作者最终选择了

pDockQ = 界面上残基的平均plddt ✖ log(界面上所有8 Å内的Cβ原子数)

分类的AUC达到了0.95（见图3）。

由此，每次结构预测可以生成5个结构，通过pDockQ选出最好的。这样top rank的方法进一步将复合物结构预测的成功率提升到62.7%与61.7%（图2与表2的block +/AF2 + paired msa + top-Ranked）。虽然这一结果不如AF-multimer，但是考虑到AF-multimer可能使用了测试集的这些蛋白进行训练，因此无法直接比较。

图3 各指标分类DockQ ≥ 0.23的ROC曲线

接着，作者用AF2+paired MSA方法挑战了CASP14的杂源蛋白复合物，取得了4/6的成功率。其中失败的两例分别为A链重复出现但状态不同的三聚体、界面只有19个残基的二聚体。

无模板任务的预测成功率降到了50%。图4的a、b的PDBid分别为7EIV与7MEZ，预测得非常成功；而c 7EL1由于没有模板，E链（绿色）错误折叠并占据了DNA的位置；d 7LF7 M链（紫色）的作用预测错误。

图4 无模板预测的结果

最后，作者尝试用pDockQ去预测蛋白是否会相互作用。在Ecoli的3989个无互作蛋白与1481个互作蛋白的测试集上取得了0.87的AUC。为了让应用更贴近实际，作者又将1705个无互作哺乳动物蛋白加入了测试集，分类的AUC为0.87，并且真阳性为51%时假阳性仅为1%。

图5 各指标分类蛋白是否互作的ROC曲线

总结

作者优化了复合物结构预测中的MSA输入，大幅提升了AF2的复合物结构预测能力，并且发展的pDockQ指标可以很好地分类蛋白是否能相互作用。

参考文献

Bryant, P., Pozzati, G. & Elofsson, A. Improved prediction of protein-protein interactions using AlphaFold2. Nat Commun 13, 1265 (2022).

--------- End ---------

感兴趣的读者，可以添加小邦微信（zhiyaobang2020）加入读者实名讨论微信群。添加时请主动注明姓名-企业-职位/岗位 或