基于贝叶斯框架的蛋白质旋转异构体预测方法：采用狄利克雷先验与空间平滑技术 Kamal Al Nasr, Ahmad Jad Allah, Mohammad Alamri, Mohammad Al Sallal

《International Journal of Molecular Sciences》：A Bayesian Framework with Dirichlet Priors and Spatial Smoothing for Protein Rotamer Prediction Kamal Al Nasr, Ahmad Jad Allah, Mohammad Alamri and Mohammad Al Sallal

　　

摘要

准确预测蛋白质侧链的构象是结构生物学中的一个基本挑战，其应用范围从蛋白质结构测定到计算药物设计。基于主链的旋转异构体库的性能常常受到离散分箱方法的限制，以及处理稀疏构象区域的困难。在这项工作中，我们提出了一个贝叶斯框架来预测旋转异构体，通过使用狄利克雷先验和空间平滑技术解决了这些限制。我们的方法将旋转异构体的概率建模为主链二面角的连续函数，利用圆高斯卷积来充分利用相邻构象的统计信息，同时尊重角度数据的周期性。我们通过侧链构象的结构聚类来构建旋转异构体库，而不是使用卡方角分箱方法，确保每个旋转异构体代表一个独特的三维几何结构。我们在两个独立的测试集上评估并比较了我们的框架与现有的最先进库的性能。我们的狄利克雷模型实现了59-60%的卡方角预测准确率。值得注意的是，我们的方法产生的角度误差更小，平均偏差减少了约13%，这表明连续概率分布能够更好地捕捉细微的构象偏好。此外，我们还通过包含附近非相邻残基的身份来探索非序列上下文的整合，以此展示我们框架的扩展性。