来自复旦大学“生命健康"领域最新的科研进展。面向世界科技前沿,践行行业使命感,助力基础研究,推广科技成果。服务行业,造福社会!
随着人工智能的快速发展,深度神经网络能够从蛋白质结构或序列数据中学习高阶特征,深入掌握蛋白质序列与结构的关系,从而实现功能蛋白的高效设计。然而,大多数深度学习模型仍主要用于单链骨架的设计,难以充分应对更复杂的蛋白-蛋白相互作用(protein-protein interaction, PPI)设计挑战。
2024年10月30日(当地时间),复旦大学药学院王任小/戚逸飞团队,于期刊Chemical Science发表题为“ProBID-Net: a deep learning model for protein–protein binding interface design”的论文。该研究开发了专门用于PPI界面序列设计的模型——ProBID-Net。该模型能够根据给定的受体蛋白结构,预测配体蛋白界面上的氨基酸序列,并在多项测试中展现了优良的性能。
ProBID-Net首先提取目标残基及其周围相邻链残基主链原子在三维网格中的密度分布,随后利用20种天然氨基酸的原子密度信息编码,作为界面相互作用特征的输入,最终输出各位置氨基酸的概率,从而实现界面序列的精确设计。
界面序列平均恢复率和困惑度用于评估序列设计模型对PPI界面氨基酸残基的识别和设计能力。测试结果显示,ProBID-Net和2024年诺贝尔化学奖得主David Baker教授研究小组开发的ProteinMPNN在三个测试集上的界面残基恢复率相当,但ProBID-Net具有更低的困惑度,预测置信度更高。
图1. ProBID-Net(上)和ProteinMPNN(下)设计序列预测结构叠合比对与AlphaFold-Multimer预测链间PAE热图
除此之外,ProBID-Net在零样本训练的情况下,具备预测蛋白复合物结合亲和力变化的能力,并且设计的蛋白序列在界面疏水位点的保守性更高,且更符合天然蛋白中氨基酸的分布和替换规律。经过AlphaFold2 multimer验证,ProBID-Net设计的序列能够良好地折叠为原复合物结构,且链间PAE较低,进一步表明ProBID-Net在结合界面设计方面优于ProteinMPNN(图1)。
图2. 已开源的ProBID-Net工具
该模型为蛋白-蛋白相互作用的设计提供了一个有效工具。目前,ProBID-Net已开源(图2),地址为:https://github.com/ComputArtCMCG/ProBID-NET。
复旦大学药学院药物化学系2021级硕士研究生陈志航为论文第一作者,复旦大学药学院王任小研究员、戚逸飞副研究员为论文的通讯作者。
注:文中插图源于 Chemical Science
原文链接:
https://doi.org/10.1039/D4SC02233E
来 源 复旦大学药学院
近期活动
● 高龄父亲引起子代风险加剧!JNI|复旦大学黄荷凤院士/潘洁雪/刘欣梅:发现高龄父亲使子代神经炎症风险加剧
● 受邀撰写SnapShot!Cell |复旦大学鲁伯埙/丁澦:聚焦靶向降解技术研究
● 饮食与免疫治疗联合!Cell系列|复旦大学柳光宇/江一舟/龚悦:揭示三阴性乳腺癌免疫逃逸新机制,并提出潜在治疗策略
● 中药研究登上柳叶刀!Lancet|复旦大学宋莉莉/克雷格·安德森:合作发表评估中药制剂“中风醒脑方”疗效的临床研究
● 助力公共卫生战略!Lancet子刊|复旦大学余宏杰:在全球老年人新冠疫苗接种领域取得进展
● RNA剪接与肿瘤!Cell系列|复旦大学黄胜林/胡治祥/孟志强:揭示肿瘤特异性转录本在癌症中的多样性
● 首次解析!PNAS|复旦大学服部素之:合作解析锌离子激活通道ZAC的结构
● 揭示肿瘤进展与治疗靶点!Adv Sci|复旦大学丁琛/侯英勇/昌军/徐晨/张宏伟:综合多组学分析有助于BRDC的进展了解与治疗
● 糖尿病研究新进展!PNAS|复旦大学李晓牧/谢嵘:发现调控胰腺β细胞衰老新机制
关于光华
“复旦大学光华生命健康校友会”是复旦大学校友总会正式注册成立的分支机构,是跨学科、跨界别、跨地域,覆盖生命健康领域的公益性行业校友组织。
校友会以推动中国生命健康领域的“科技创新”,提升人类健康为使命,以促进“产学研医用”的融合创新与资源整合为目标,以加强母校与校友联动,增进校友互助协作,发掘科技创新成果,助力母校发展、助力校友成功、助力行业进步、造福社会大众为为宗旨。
校友会立足上海、辐射全国,会员以复旦大学生命科学、医学、药学、附属医院校友为基础,同时覆盖化学、材料、信息、大数据、金融、管理等多学科泛生命健康相关院系,涵盖产业、学术、科研、医疗、政府、资本等“产学研医政资”的优秀校友。