FoldaVirus:结合AlphaFold与知识驱动的二十面体病毒衣壳结构预测平台

《Proceedings of the National Academy of Sciences》:FoldaVirus, a knowledge-based icosahedral capsid prediction tool using AlphaFold

【字体: 大 中 小 】 时间:2026年09月18日 来源:Proceedings of the National Academy of Sciences 9.4

编辑推荐:

   球形病毒的衣壳蛋白(coat protein, CP)三级结构及其衣壳组织形式在每个病毒科内通常高度保守。虽然AlphaFold能够成功预测单个CP的三级结构,但它们之间形成正确四级组装体的过程却难以轻易实现。本文中,研究人员报道了一种通用方法及相关的网

  

球形病毒的衣壳蛋白(coat protein, CP)三级结构及其衣壳组织形式在每个病毒科内通常高度保守。虽然AlphaFold能够成功预测单个CP的三级结构,但它们之间形成正确四级组装体的过程却难以轻易实现。本文中,研究人员报道了一种通用方法及相关的网络工具(https://foldavirus.org),该方法将AlphaFold对CP的预测结果与基于相关病毒科已知结构的对应二十面体组装类型(如T=1、3、4…)的知识相结合,以生成相应的衣壳。所得到的组装体经Amber能量最小化处理进行弛豫,以消除亚基间界面上的空间位阻。值得注意的是,通过计算稳健马氏距离(Mahalanobis distance)对衣壳模型进行验证,该距离利用归类为界面、核心和表面氨基酸的残基注释,与相应病毒科实验确定结构中观察到的分布进行比较。在给定CP氨基酸序列的情况下,研究人员成功生成了高达T=9二十面体对称性的衣壳,包括展现出伪T=3对称性、由VP1–VP4组成的微小核糖核酸病毒(picornavirus)衣壳。由于目前可用的CP序列数量比实验确定的三维结构多2至3个数量级,该方法弥补了病毒序列与结构空间之间存在的巨大鸿沟。
**论文解读**

**一、研究背景与问题**

病毒衣壳在病毒生命周期中承担着多种关键功能,包括受体介导的细胞进入、内涵体逃逸、将病毒基因组递送至细胞质(如单链RNA病毒)或引导核衣壳转运至细胞核(如双链DNA病毒)、病毒组装以及子代病毒粒子的基因组包装。因此,病毒衣壳的结构信息对于通过干扰病毒与宿主之间程序化的相互作用来对抗病毒感染具有重要价值。此外,结构信息还可用于理性疫苗设计以及识别针对一组相似病毒的广谱中和抗体。然而,目前可用的病毒衣壳蛋白(coat protein, CP)序列数量与已知的病毒结构数量之间存在巨大差距,因为通过实验手段(如冷冻电镜cryo-EM或X射线晶体学)表征这些结构不仅耗时、昂贵,在某些情况下甚至不可行。

在维护病毒粒子探索者数据库(Virus Particle ExploreR database, VIPERdb)的过程中,研究人员观察到CP结构及其衣壳组装类型在每个病毒科内高度保守。例如,细小病毒科(Parvoviridae)成员始终形成T=1衣壳,而微小核糖核酸病毒科(Picornaviridae)病毒组装成展现伪T=3二十面体对称性的颗粒。其中的T-数代表三角剖分数(Triangulation number, T),定义为T=h2+hk+k2,其中h和k为整数。换言之,CP序列(结构)决定了它们可能形成的衣壳类型。截至撰写时,VIPERdb中收录了约1780个病毒衣壳结构,其中约570个为独特结构,来自92个不同病毒科和203个属。虽然AlphaFold2(AF2)或AlphaFold3(AF3)能够准确预测单个CP的三级结构,有时还能预测其多聚体组织形式,但由于图形处理器(GPU)内存限制,目前无法构建完整衣壳模型,即使是最简单的由60个拷贝单一CP组成的T=1衣壳也不例外。此外,从多种简并构型中识别相关亚组装体也颇具挑战性。此前虽有仅基于CP序列构建腺相关病毒(adeno-associated virus, AAV)T=1衣壳的报道,但尚未有类似的可预测展现不同T-数组装类型衣壳的方法。为克服上述局限,研究人员开发了一种混合方法。

**二、研究内容与意义**

FoldaVirus是一个基于知识的二十面体衣壳预测工具,结合AlphaFold对给定CP序列的预测结果与基于相关病毒科已知结构的准等价二十面体组装类型(如T=1、3、4…)信息,生成完整衣壳模型。这些衣壳经Amber能量最小化弛豫处理,以消除相邻亚基间的空间位阻。最终,衣壳模型通过多种结构指标(如pTM、pLDDT、TM-score)进行评估,并利用基于结构衍生元数据的稳健马氏距离(robust Mahalanobis distance, rMD)与同病毒科已知结构进行比较,计算FoldaVirus评分进行验证。该工具通过免费网络界面(https://foldavirus.org)向公众开放,输入CP氨基酸序列即可生成二十面体衣壳模型。

FoldaVirus工作流程包含25个步骤,用户提交的CP序列通过phmmer程序与VIPERdb已知结构的CP序列库进行搜索比对,识别可能形成的衣壳类型(T-数)及参考模板结构。序列的N端和C端非结构化区域默认被修剪去除,然后根据T-数复制相应数量的CP拷贝,提交给AlphaFold进行预测。预测模型经VIPER标准坐标系定向、Amber能量最小化后,生成部分衣壳,再经弛豫后提取中央二十面体不对称单位(icosahedral asymmetric unit, IAU),利用60次二十面体对称操作生成完整衣壳。最终通过VIPER分析,将模型与同病毒科已知结构进行比较验证。FoldaVirus评分为正值表示模型良好,负值较大则表示模型较差。

该方法的重要贡献在于,它克服了AlphaFold无法预测代表正确IAU的寡聚体的局限,这是构建精确二十面体衣壳的关键。即使某些病毒科尚无结构信息可供参考,只要目标CP序列与结构已表征科属的CP序列较为接近,FoldaVirus仍可生成模型。利用该工具,研究人员为细小病毒科(Parvoviridae)223个具有独特分类ID的序列生成了模型,其中71个具有已知结构,152个无任何结构信息。预测模型中,90%的已知结构模型(known structural models, KSM)和81%的未知结构模型(unknown structural models, USM)获得正的FoldaVirus评分。该数据集中建模成功的细小病毒科衣壳最低序列一致性仅为20%。FoldaVirus成功桥接了病毒序列数据与结构数据之间的巨大鸿沟,对病毒学研究、抗病毒策略设计和疫苗开发具有重要意义。

**三、关键技术方法**

研究采用了以下关键技术方法:(1)以VIPERdb数据库(收录92个病毒科、203个属的约1780个衣壳结构)为知识库,利用phmmer进行序列搜索和参考结构识别;(2)AlphaFold2在本地高性能计算集群上运行,以SLURM批处理作业方式执行衣壳蛋白结构预测;(3)采用Clustal Omega进行序列比对,并结合Kpax程序进行基于TM-score的结构相似性搜索;(4)使用AmberTools中的sander程序对模型进行两轮能量弛豫,以消除亚基界面空间位阻;(5)利用VIPER分析流程估算掩埋表面积(buried surface area, BSA),并对氨基酸残基进行界面、核心和表面分类;(6)采用最小协方差行列式(minimum covariance determinant, MCD)估计量计算稳健马氏距离(rMD),以卡方分布在97.5%置信水平下的异常阈值(2.72)作为模型验证标准。

**四、研究结果**

**FoldaVirus概述(Overview of FoldaVirus)**:FoldaVirus流程结合了AlphaFold对CP的预测与基于知识的策略,该策略利用已知病毒结构、CP序列、观察到的准等价二十面体组装类型(T-数)及相关病毒分类信息来生成衣壳组装体。在存在多态性的情况下(即同一CP可形成多种类型衣壳),用户可选择感兴趣的衣壳类型进行构建。流程首先通过phmmer程序将用户提交的CP氨基酸序列与VIPERdb中已知结构的CP序列库进行搜索比对,识别输入序列可能形成的衣壳类型及参考模板结构。默认去除可能与非结构化区域对应的N端和C端残基,以避免生成完整衣壳时产生严重空间位阻。随后,将修剪后的序列按IAU所需的CP拷贝数进行复制,提交给AlphaFold进行预测。预测模型经残基编号重排、VIPER标准坐标系定向及Amber能量最小化后,利用VIPERdb的Oligomer_Generator API生成部分衣壳,再次进行能量弛豫后提取IAU,最终生成完整衣壳并进行VIPER分析验证。

**FoldaVirus网络界面(FoldaVirus Web Interface)**:用户可通过https://foldavirus.org访问FoldaVirus网站,仅需以FASTA格式提供CP氨基酸序列并留下联系方式,也可直接提供UniProt-ID。知识系统自动辨识序列可能形成的衣壳类型,并向用户提供任务标识符。预测时长通常为30分钟至4小时,取决于CP大小和T-数。

**AlphaFold预测正确IAU寡聚体的局限性(Limitation of AlphaFold in Predicting the Oligomers that Represent Proper Icosahedral Asymmetric Units)**:AF2或AF3虽能正确预测单个CP结构,但在生成代表正确IAU的寡聚体方面存在局限,尤其在T-数≥7的较大准等价衣壳中表现明显,有时在T=3衣壳中也会出现。FoldaVirus通过将单个链分别叠加到参考结构的对应链上,生成VIPER标准取向的正确IAU,从而克服了这一局限。

**FoldaVirus生成衣壳模型的验证(Validation of FoldaVirus Generated Capsid Models)**:模型验证通过与同病毒科和相同T-数的已知衣壳结构进行比较,计算稳健马氏距离(rMD)实现。该距离利用归类为核心和界面残基的残基百分数进行计算。rMD低于异常阈值的模型被认为与结构主体分布一致,为良好模型;高于阈值则可能为异常值。此外,还计算了预测模型与最近参考结构之间的配对马氏距离(MD)。FoldaVirus评分取异常阈值与rMD之差、以及阈值与模型相对参考的MD之差中的最大值。

**五、讨论与结论**

FoldaVirus工作流设计与方法的基础使用户能够基于CP序列无缝生成二十面体病毒衣壳模型,前提是已知该病毒科可能形成的衣壳组装类型信息。使用phmmer替代blastp提高了识别初始结构参考的能力,从而增强了对更趋异CP的建模能力。除生成衣壳模型外,还设立了一系列评价指标,包括标准指标pTM、pLDDT、TM-score,以及基于界面和核心残基分类比例的rMD。rMD低于阈值代表了预测衣壳模型四级组织与同科衣壳群体一致的可靠性度量,而TM-score仅反映CP三级结构的相似性。进一步进行Amber能量弛豫以消除亚基界面空间位阻,并开展多项衣壳分析(CP可及表面轮廓、独特亚基界面BSA和相应结合能、接触残基对、直径和净表面电荷等)。FoldaVirus预测评分通过异常阈值与模型rMD之差、以及阈值与模型相对参考结构MD之差的最大值计算,正值表示良好模型,负值则不佳。

虽然目前受GPU内存限制,FoldaVirus将可组装的衣壳限制在T≤9范围内,但相同流程可扩展用于生成展现更大T-数(T>9)的更复杂衣壳。即使某些病毒科无结构信息,若目标CP序列与结构已表征科的CP序列接近,FoldaVirus仍可生成模型(如Genomoviridae、Smacoviridae)。当前FoldaVirus的主要局限在于仅基于序列相似性无法找到合适结构模板,未来计划通过基于结构相似性识别模板以及将获得正评分的预测模型纳入结构模板序列空间两种方式,进一步增强其建模能力。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号