在蛋白质相互作用研究领域，、酵母双杂交（Yeast Two-Hybrid, Y2H）以及免疫沉淀联合液相色谱-质谱（IP LC/MS）虽然为蛋白质互作研究做出了巨大贡献，但它们在操作复杂性和时间消耗上存在一定的局限性。基于AlphaFold-Multimer的多模态蛋白互作智选平台，作为一种基于人工智能的结构预测程序，以其前所未有的准确性和高效性，为研究者们提供了新的解决方案。
利用深度学习的方法，将研究对象-蛋白质氨基酸序列和结构数据中学习蛋白质之间的相互作用模式，并根据这些模式来预测未知的蛋白质对的组成和三维结构。
将Bait诱饵功能蛋白序列以及待筛选物种文库Prey进行三维建模分析，采用方法为同源建模和AlphaFold建模建立蛋白数据库。把目的蛋白与蛋白数据库进行对接分析，得到对接分值等特征，根据这些特征利用AI-model进行互作预测，判断蛋白对是否互作。
1.数字化蛋白文库构建：
提取出研究物种蛋白组的所有序列，然后对每一条蛋白序列进行三维结构的构建，记录建模分值，得到该物种的三维结构数据库，形成整个研究物种的蛋白PDB文件。
2、诱饵蛋白三维结构建模：
对诱饵蛋白序列进行三维结构模型构建，记录建模分值。
3.多模态蛋白互作虚拟筛选算法平台与流程
1).Megadock粗筛
首先使用Megadock进行粗筛，可以快速筛选出潜在的有意义的蛋白互作，Megadock的高效性使得在大规模数据集中进行初步筛选成为可能。
将Megadock分值高的top200进入hdock筛选，这是一个合理的精筛步骤。Hdock能够提供更为精确的对接结果，进一步缩小候选范围。
2）.Hdock精筛
在Hdock筛选阶段，通过考虑结合能绝对分值，可以更有效地识别出稳定性好、亲和力强的蛋白互作。这是一个重要的筛选指标，有助于提高最终筛选结果的准确性。
3).AlphaFold-Multimer一对一精细分析：
将Hdock筛选出的top10数据转入AlphaFold-Multimer计算PTM+ipTM值，是对筛选结果的进一步深化和验证。AlphaFold-Multimer在预测蛋白质复合物结构方面的高准确率，有助于确认候选蛋白互作的可靠性和生物学意义。根据Nature 参考文献指导建议：选取AlphaFold-Multimer PTM+iPTM值大于0.75的候选蛋白进行生物学实验验证，其验证成功率是非常高的。
1.实验目的：重现Epic2B与Pip1互作的结果测试
🔼 图注：AlphaFold Multimer预测
Epic2B与Pip1互作数据
参考文献：Tan, X., CalderonVillalobos, L. I., Sharon, M., Zheng, C., Robinson, C. V., Estelle, M., & Zheng, N. (2007). Auxin perception and signal transduction by the TIR1/AFB pathway. Nature, 446, 640645. doi:10.1038/nature05731
2.实验流程
本次研究中，我们根据参考文献中提供的信息，从UniProt数据库中检索出Epic2B和Pip1的蛋白序列。随后，利用合肥科晶生物的AF-M（AlphaFold Multimer）大模型平台对这些序列进行了结构预测，旨在重现Epic2B与Pip1之间的相互作用。序列如下：
>EpiC2B:
MSFLRPTLALLAVTALVTTSAQLNGYSKKEVTPEDTELLQKAQSNVSAYNSDVTSRICYLKVDSLETQVVSGENYKFHVSGCSVNSDKELGGCANQNCESSKYDIVIYSQSWTNTLKVTSITPAN
>Pip1
MAENKEEDVKLGANKFRETQPLGTAAQTDKDYKEPPPAPLFEPGELSSWSFYRAGIAEFMATFLFLYITILTVMGLKRSDSLCSSVGIQGVAWAFGGMIFALVYCTAGISGGHINPAVTFGLFLARKLSLTRAVFYMVMQCLGAICGAGVVKGFMVGPYQRLGGGANVVNPGYTKGDGLGAEIIGTFVLVYTVFSATDAKRNARDSHVPILAPLPIGFAVFLVHLATIPITGTGINPARSLGAAIIYNDEHAWNDHWIFWVGPMIGAALAAIYHQIIIRAMPFHRS
3.实验结果
通过AF-M大模型平台的计算，我们获得了Epic2B与Pip1蛋白复合体的预测模型。该模型给出了模板建模得分（pTM）=0.65，界面模板建模得分（ipTM）=0.23，综合得分（pTM+ipTM）=0.88。尽管这一综合得分与文献中报道的0.92略有差异，但考虑到预测过程中的多种影响因素，我们认为这一差异在可接受的范围内。重要的是，该得分仍大于0.75的阈值，表明Epic2B与Pip1之间存在较强的相互作用能力。
为了进一步验证预测结果的准确性，我们使用PyMol软件打开了AF-M生成的工程文件，并绘制了Epic2B与Pip1结合位点的精细图片。通过对比本地的图片模型与文献中的图片模型，我们发现两者在结构上几乎一致，尽管在角度上存在一些差异，但这并不影响对互作位点的准确描述。
🔼图注：黄色标记代表结合的氨基酸残基
综上所述，本次测试成功地重现了Epic2B与Pip1之间的相互作用，并通过合肥科晶生物的AF-M大模型平台获得了与文献报道相近的预测结果。这一结果不仅验证了AF-M大模型平台的准确性和可靠性，也为后续的生物化学实验提供了有力的理论指导。
❖合肥科晶生物技术有限公司是一家以AI与生物技术融合为核心的行业领军企业，汇聚生物技术和AI领域的高端人才，经验丰富的资深研发团队，能够为您提供全方位的专业知识、独特见解和技术支撑。
❖我们倾力打造百库精筛虚拟引擎，已储备数十种物种的蛋白质数字化文库，研究者只需送研究蛋白的CDS序列或者氨基酸序列，即可进行数字化互作蛋白筛选，只需5-10天即可交付！已储备常用物种数据库如下列表：
福利来袭！
科晶生物论文出图
免费蛋白互作分析等您来领！
0551-64669001
扫码添加客服，即可领取！
参考文献：
[1] Huang S , Ma Y , Xu Y ,et al.Shade-induced RTFL/DVL peptides negatively regulate the shade response by directly interacting with BSKs in Arabidopsis[J].Nature Communications, 2023, 14(1).
[2] Homma F, Huang J, Van Der Hoorn R A L. AlphaFold-Multimer predicts cross-kingdom interactions at the plant-pathogen interface [J]. Nature Communications, 2023, 14(1): 6040.
[3] Schuster M, Eisele S, Armas-Egas L, et al. Enhanced late blight resistance by engineering an EpiC2B-insensitive immune protease[Z/OL]. 2023. 29: 541874
[4] Olsvik H L, Johansen T. AlphaFold-multimer predicts ATG8 protein binding motifs crucial for autophagy research [J]. PLoS Biol, 2023, 21(2): e3002002.
[5] Jumper J, Evans R, Pritzel A, et al. Highly accurate protein structure prediction with AlphaFold[J]. Nature, 2021, 596(7873): 583-589.
[6] Yan Y , Tao H , He J ,et al.The HDOCK server for integrated protein–protein docking[J].Nature Protocols, 2020, 15(25):1-24.
[7] Ohue M, Shimoda T, Suzuki S, et al. MEGADOCK 4.0: an ultra-high-performance protein-protein docking software for heterogeneous supercomputers. Bioinformatics. 2014, 30(22):3281-3283.
