AlphaFold3对蛋白质-蛋白质复合物的预测：它是否已经准备好进行热力学分析？

《Computational and Structural Biotechnology Journal》：AlphaFold3 prediction of protein-protein complex: Is it ready for thermodynamic analysis?

结构预测工具AlphaFold3及其前代模型在蛋白质-蛋白质复合物预测中的准确性及适用性被评估。研究发现，尽管静态结构预测的RMSD和DockQ指标显示较高精度，但模拟松弛后结构集合质量显著下降，尤其在极性-非极性相互作用中存在较大偏差。实验结构在虚拟筛选和热力学计算中表现优于预测结构，且结构预测质量与亲和力计算精度无直接关联。结论指出，当前AlphaFold衍生工具仍无法完全替代实验结构在蛋白质复合物建模中的应用。

　　在当前生物分子结构预测领域，人工智能（AI）已经成为一种不可或缺的工具，尤其在蛋白质-蛋白质复合物的预测中表现尤为突出。AlphaFold（AF）系列模型，尤其是其最新版本AlphaFold3（AF3），被广泛认为是该领域的突破性进展。AF3在蛋白质-蛋白质复合物的结构预测方面取得了显著提升，被认为是当前最先进的预测模型之一。然而，尽管这些模型在结构预测上表现良好，它们在实际应用中仍存在一些问题，尤其是在关键相互作用的解析方面。

本研究旨在评估AlphaFold及其衍生模型（如af2complex和AF2.3.1）在蛋白质-蛋白质复合物结构预测中的质量，并探讨这些预测是否可以替代实验数据用于关键建模和筛选任务，例如界面接触预测、热点识别和结合亲和力计算。通过使用一个包含61个PDB条目和804个实验性突变的蛋白质-蛋白质复合物数据集，我们进行了系统的模拟分析，并与实验数据进行了比较。

研究发现，尽管AF3在某些方面优于其前身模型，例如在直接预测与实验数据对比时表现出更高的准确性，但在模拟放松后，预测结构的质量显著下降。这种下降可能由多种因素引起，包括预测结构的不稳定性、力场参数的不准确以及模拟过程中可能的其他误差。这些结果表明，尽管AlphaFold系列模型在结构预测方面取得了显著进展，但在实际应用中仍需谨慎对待，特别是在需要精确理解分子间相互作用的场景中。

此外，我们还通过使用基于广义Born和相互作用熵的热力学分析方法（ASGB-IE）对预测结构进行了突变后的亲和力变化评估。结果显示，使用实验结构作为初始条件的ASGB-IE预测在突变诱导的亲和力变化计算中表现更优，无论是在误差指标还是相关性分析上。这一发现进一步强调了实验结构在分子建模和虚拟筛选任务中的重要性，以及预测结构在这些任务中的局限性。

研究还指出，结构预测的质量与热力学计算的准确性之间缺乏直接的相关性。这表明，即使预测结构在某些指标上表现良好，也不能直接推断其在热力学计算中的可靠性。因此，为了准确理解蛋白质-蛋白质复合物的稳定性和相互作用细节，仍需依赖实验数据。

总体而言，尽管AlphaFold及其衍生模型在蛋白质-蛋白质复合物结构预测方面取得了显著进展，但它们在实际应用中仍存在一些不足，特别是在关键相互作用的解析和模拟放松后的结构稳定性方面。这些发现为未来的研究提供了重要的指导，表明在涉及复杂分子间相互作用的建模任务中，实验数据仍然是不可替代的。同时，这也提示研究人员在使用预测结构时，应充分考虑其局限性，并结合实验数据进行综合分析，以确保结果的准确性和可靠性。