《Nature Methods》：LoL-align: sensitive and fast probabilistic protein structure alignment
编辑推荐：
摘要翻译：蛋白质结构的广泛可获得性使得用更准确、更灵敏的结构比对算法取代序列比对成为可能。LoL-align 利用蛋白质内部 Cα-Cα 距离，最大化蛋白质同源性的局部对数几率（log-odds）评分。研究人员证明，在单结构域和多结构域基准测试中，LoL-al
摘要翻译：蛋白质结构的广泛可获得性使得用更准确、更灵敏的结构比对算法取代序列比对成为可能。LoL-align 利用蛋白质内部 Cα-Cα 距离，最大化蛋白质同源性的局部对数几率（log-odds）评分。研究人员证明，在单结构域和多结构域基准测试中，LoL-align 在检测远程同源蛋白方面明显比 TM-align 和 Dali 更灵敏，并且以 5–20 倍于后两者的速度实现了更好的比对质量。LoL-align 已完全集成到 Foldseek 中。
论文解读：蛋白质结构比对算法的新突破：LoL-align 的原理、性能与应用意义
一、研究背景与问题
随着 AlphaFold 等蛋白质结构预测技术的突破，研究者如今可以获得接近实验精度的蛋白质结构模型，结构数据库中已包含数亿个预测结构。这推动大规模蛋白质分析从序列层面转向结构层面，因而迫切需要准确且高效的结构比对工具。理想的结构比对工具应具备以下能力：高灵敏度地检测远程同源关系，提供准确的残基水平比对，适用于全长多结构域蛋白，能够识别局部相似性并容忍构象变化，同时具备足够快的速度以应对百万级结构比较。然而现有方法只能部分满足这些需求：TM-align 和 GPU 加速的 GTalign 依赖三维空间叠加，对刚性单结构域蛋白准确但对构象柔性容忍度低；Dali 虽灵敏度高但运行时间过长，难以大规模应用；Foldseek 通过将结构压缩为 20 态 3Di 字母表实现 10?–10? 倍加速，但灵敏度和比对质量有所下降。
二、研究内容与核心贡献
针对上述问题，研究人员开发了 LoL-align，一种基于距离的算法，可迭代优化新提出的 LoL-odds 评分函数。该评分函数根据残基对在 20 ? 邻域内的 Cα-Cα 距离和序列距离，量化两个残基同源性的证据。LoL-align 在灵敏度上优于 Dali，速度比 Dali 快约 20 倍，对构象柔性具有容忍性，平均比对质量高于 TM-align 和 Dali。该算法已集成到 Foldseek 中，可在大规模预筛后对顶级命中结果进行精细比对。此外，研究人员还首次提出了一种单指令多数据流（single instruction multiple data, SIMD）向量化的前向-后向概率序列比对算法，通过三种优化大幅提升性能：利用 SIMD 加速动态规划；采用重缩放方案避免数值上下溢，从而在线性空间计算且无需昂贵的对数变换；通过重载动态规划矩阵实现小内存占用。
三、主要技术方法
LoL-align 的算法流程为：首先使用 3Di 与氨基酸替换分数之和作为匹配分数，运行前向-后向算法计算后验比对概率；选择十个得分最高的七肽种子锚点，沿动态规划矩阵对角线扩展，保留三个得分最高的锚点进行后续优化。每轮迭代包括三个步骤：基于当前锚点残基对计算 LoL 分数矩阵；使用前向-后向算法计算后验概率；将超过概率阈值的残基对加入锚点集合，直至收敛。在多结构域模式下，若不再发现新锚点，则将 3Di 和氨基酸分数矩阵（维度 LQ×LT）加到 LoL 分数矩阵并重新运行前向-后向算法，从而能够跨越结构域进行比对；单结构域模式则省略该步骤以节省时间。研究人员还训练了一个小型神经网络，基于局部比对特征预测同源概率，用于在全长蛋白基准中平衡精度与灵敏度。
四、实验结果
在 SCOPe 数据库基准上，研究人员使用 SCOPe40（11,211 个蛋白）进行同源检测评估。结果表明，在超家族水平的首个假阳性前平均灵敏度方面，LoL-align 比 Dali 高 7.3%，比 TM-align 高 9.9%；在精确率-召回率分析中，LoL-align 的曲线下面积（area under the curve, AUC）比 Dali 高 14.5%，比 TM-align 高 2.3%。在 AlphaFold 数据库（AFDB）的全长蛋白基准中，研究人员从 230 万个聚类代表中采样 2,000 个查询蛋白，先用 Foldseek 预筛每个查询最多保留 2,000 个命中，再用各工具进行比对。以基于 LDDT 的 G-score（精确率与灵敏度的几何平均值）作为质量度量，LoL-align 比 Dali 和 TM-align 明显更灵敏，且产生的比对 G-score 更高。在速度方面，LoL-align 比 TM-align 快约 5 倍，比 Dali 快约 20 倍。
五、讨论与结论
LoL-align 通过引入概率结构相似性评分和新型向量化概率序列比对算法，显著提升了对远程同源蛋白的检测灵敏度和比对质量，同时保持了高速度，能够处理单结构域和全长多结构域蛋白。将其集成到 Foldseek 中，可在数亿个预测结构上进行系统性的功能注释和进化分析。LoL-align 可通过 Foldseek 网页服务器或开源代码库免费获取。这项研究为大规模结构生物学分析提供了高效且灵敏的工具，推动了结构比对领域的发展。
