JAAG：基于BAP+CCD语法集成聚糖的AlphaFold 3 JSON输入文件自动化组装工具

《Glycobiology》：JAAG: a JSON input file Assembler for AlphaFold 3 with Glycan integration

本研究针对AlphaFold 3（AF3）建模中手动组装JSON输入文件复杂易错的问题，开发了JAAG网络工具。该工具通过图形界面实现GlycoCT和SugarDrawer格式到BAP+CCD语法的自动转换，集成UniProt/GlyTouCan/GlyGen数据库接口，显著提高了糖蛋白复合物建模效率，为糖生物学研究提供了重要技术支持。

　　

在糖生物学研究领域，糖基化修饰作为最重要的蛋白质翻译后修饰之一，参与调控细胞识别、免疫应答和疾病发生等关键生命过程。然而，糖类分子的结构复杂性——包括单糖异构体多样性、糖苷键立体化学差异以及分支结构的多变性——给实验研究和计算模拟带来了巨大挑战。传统分子对接和分子动力学模拟方法虽然能够提供高分辨率的结构信息，但随着体系增大和采样时间延长，其计算成本呈指数级增长，限制了在复杂糖蛋白体系中的应用。

近年来深度学习技术的突破性进展为这一领域带来了转机。特别是DeepMind开发的AlphaFold 3（AF3）模型，在保持蛋白质结构预测高精度的同时，展现出对配体分子（包括糖类）相互作用的卓越建模能力。与AF3服务器版本相比，2024年底发布的独立版AF3在糖-蛋白质相互作用建模方面表现尤为突出，已成功应用于糖基转移酶、糖苷水解酶和凝集素等体系的结构预测，其准确性通过训练集截止日期后发布的蛋白质数据库（PDB）结构得到了验证。

然而，AF3的强大功能需要以特定格式的JSON输入文件为前提，而手动构建这些文件却是一项极其繁琐且容易出错的工作。以常见的双天线唾液酸化N-糖链（A2G2S2）为例，需要准确选择11种单糖对应的化学组分词典（CCD）条目，明确定义10个键合原子对（BAP）连接关系。若将规模扩大到包含11个N-糖基化位点的Siglec-2（CD22）糖蛋白，则需要定义超过120个BAP，而二聚体相互作用建模则需240个以上BAP及相应的链标识符。这种复杂性使得手动准备输入文件不仅耗时耗力，而且极易引入错误，特别是对于糖类立体化学（如异头碳构型、差向异构体方向和环构象）的准确表达尤为困难。

针对这一技术瓶颈，乔治亚大学的研究团队开发了JAAG（JSON input file Assembler for AlphaFold 3 with Glycan integration），这一网络工具通过直观的图形界面简化了AF3 JSON文件的创建过程。该研究成果已发表在《Glycobiology》期刊上，为糖科学领域的研究人员提供了重要的技术支持。

关键技术方法方面，研究团队首先基于糖类符号命名法（SNFG）和立体化学特性（异头构型、绝对构型和环构象）筛选了CCD条目库。JAAG核心功能包括：GlycoCT语法到BAP+CCD的自动转换、SugarDrawer绘图工具的集成、N-糖基化位点（N-X-S/T序列，其中X≠P）预测、userCCD覆盖机制（用于处理唾液酸、硫酸化和磷酸化连接的特殊需求）、链标识符自动管理以及UniProt、GlyTouCan和GlyGen数据库的API接口集成。

布局设计上，JAAG网络工具采用渐进式界面设计，初始界面仅显示基本功能，高级选项按需展开。这种设计既降低了新用户的学习门槛，又保证了高级用户的灵活操作需求。工具支持AF3所有JSON框架，包括最新的版本4，确保与AF3软件的完全兼容性。

糖类集成机制是JAAG的核心创新点。研究团队通过系统分析发现，采用BAP+CCD组合策略能够最有效地保持糖类立体化学准确性。与简单的线性表示法（如SMILES）相比，BAP编码残基间连接关系，CCD条目指定单糖立体化学特性（包括异头碳状态、绝对构型和环构象），从而准确呈现糖类多样性。JAAG实现了GlycoCT（一种广泛使用的糖类结构表示法）到BAP+CCD语法的自动转换，同时集成SugarDrawer绘图工具，允许用户通过图形界面绘制糖结构并直接转换为AF3可识别的格式。

特别值得关注的是，JAAG对SugarDrawer工具进行了功能扩展，增加了所有人类单糖和取代基支持，包括硫酸化、N-硫酸化、磷酸化、乙酰化和甲基化等常见修饰。工具还提供“检测序列”功能，能够自动识别蛋白质序列中的潜在N-糖基化位点，用户可根据实验数据进一步筛选确认。

在userCCD覆盖功能方面，JAAG解决了AF3默认处理糖苷键时的不一致性问题。对于某些特殊连接（如唾液酸、硫酸化或磷酸化糖类），AF3自动去除离去氧原子的行为并不总是适用。JAAG通过自动触发userCCD覆盖，确保Neu5Ac、Neu5Gc、硫酸化糖和磷酸化糖的正确处理。

针对多组分体系的链标识符管理，JAAG开发了“计数”功能，能够自动为重复组分（如蛋白质多聚体、多价配体或模拟脂质双分子层）添加字母后缀，并将这些标识符自动传播到相关链。这一特性在定义具有多个糖基化修饰的糖蛋白多聚体时尤为实用。

数据库集成方面，JAAG允许用户将UniProt、GlyTouCan和GlyGen的访问标识符直接嵌入JSON输入文件。通过查询这些数据库，JAAG能够验证绘制的糖结构是否已被报道，为模型提供生物学背景，减少下游分析的不确定性。这一功能还有助于在向ModelArchive等公共存储库提交模型时无缝包含元数据。

研究团队通过具体案例展示了JAAG的实际应用效果。以人类糖基化酶B3GNT2与Mn²⁺-UDP-GlcNAc-乳糖-N-新四糖（LNnT）复合物建模为例，JAAG能够快速识别所有N-糖基化位点，应用G2F糖链模板，并自动生成符合AF3要求的JSON文件，其中包含完整的BAP连接定义和userCCD参数。

讨论部分指出，独立版AF3建模面临多重技术障碍，包括硬件要求（足够的GPU和CPU容量）、AF3及其依赖项的成功安装、DeepMind提供的模型参数访问权限，以及能够准确编码生物分子立体化学的语法正确JSON文件构建。随着输入复杂度的增加，用户出错的可能性也相应提高。JAAG专门针对最后一项挑战，通过自动化JSON组装减少用户依赖性变异。其将GlycoCT字符串或绘制的糖类转换为有效BAP+CCD语法的能力，简化了原本劳动密集型且容易出错的过程。序列检测、链ID管理和糖信息学数据库集成等附加功能进一步增强了可用性、可重复性和数据一致性。

综上所述，JAAG作为AF3的专用输入文件组装工具，有效解决了糖蛋白复合物建模中的输入瓶颈问题。其图形化界面设计降低了技术门槛，自动化转换功能保证了输入准确性，数据库集成则增强了模型的生物学相关性和可重复性。这一工具的出现将显著推动AF3在糖生物学领域的广泛应用，为糖基化相关生物过程的结构基础研究提供有力支持。随着糖科学研究的深入和计算生物学方法的不断发展，JAAG有望成为连接糖生物学实验研究与计算模拟的重要桥梁，促进对糖类在健康和疾病中功能的机制理解。

该研究由美国国家科学基金会BioFoundry：糖科学研究、教育和培训项目（BioF：GREAT NSF：2400220）资助，体现了计算生物学与糖科学交叉融合的最新进展。研究团队特别感谢乔治亚大学GACRC的Jordan Utley维护AlphaFold 3，CCRC的René Ranzinger对JAAG提出的宝贵建议，以及CCRC的Sujeet Kulkarni在GlyGen API使用方面的指导。