通过蛋白质语言模型优先处理重要残基以提高蛋白质结构预测的准确性

《Communications Biology》：Enhancing protein structure prediction accuracy by prioritizing important residues using protein language models

　　

摘要

从氨基酸序列准确预测蛋白质三级结构仍是计算生物学中的一个基本挑战。尽管 AlphaFold2 取得了重大进展，但其预测结果与实验测定结构之间仍存在系统性偏差。鉴于单个残基对蛋白质功能贡献不同，我们假设引入残基特异性重要性指标可以提高预测精度。在此，我们开发了 i-Fold（importance Fold），这是一种增强的神经架构，在 AlphaFold2 框架基础上，通过整合基于蛋白质语言模型推导的残基重要性评分作为训练过程中的动态位置权重。在包含 3599 个蛋白质结构的基准测试集上的评估显示，i-Fold 的预测误差平均减少了 0.3 ?，预测成功率提高了 7.6%，并且在包含 167 个近期发布的蛋白质结构的独立测试集上也获得了相似的结果。值得注意的是，i-Fold 在对 AlphaFold2 而言通常具有挑战性的目标上表现出尤为显著的提升，包括核糖体蛋白、膜蛋白和孤儿蛋白。我们的研究结果表明，显式整合进化残基重要性可以推动蛋白质结构预测的最先进水平，在不会大幅增加计算成本的情况下，产生更准确、更具泛化能力的模型。