逐残基蛋白质结构优化方法PROPTIMUS RAPHAN：一种线性扩展的高效局部优化策略

《Journal of Cheminformatics》：Per-residue optimisation of protein structures: rapid alternative to local optimisation with constrained alpha carbons

　　

摘要

近年来，已知蛋白质结构的数量显著增加。预测算法和实验方法能够高精度地提供蛋白质的全局拓扑结构和折叠方式。然而，由于预测算法的准确性或实验分辨率的限制，蛋白质结构的局部质量（包括键长、角度和单个原子的位置）通常缺乏同等程度的精度。因此，在将其应用于对结构质量敏感的进一步研究之前，通常需要使用力场对蛋白质结构进行优化。然而，蛋白质结构优化在计算上具有挑战性。在本文中，我们介绍了一种方法逐残基蛋白质结构优化：约束α碳的局部优化的快速替代方法（PROPTIMUS RAPHAN），该方法适用于任何力场。与一次性优化整个蛋白质结构不同，PROPTIMUS RAPHAN将结构分为重叠的残基子结构，并对每个子结构进行单独优化。这种方法使得计算时间随结构大小呈线性增长。此外，我们提出了PROPTIMUS RAPHAN\(_{\text {GFN-FF}}\)，这是我们方法的一个参考实现，采用了一种通用且接近量子力学精度的力场GFN-FF。我们在461个AlphaFold数据库结构上测试了PROPTIMUS RAPHAN\(_{\text {GFN-FF}}\)，并证明我们的方法能够在显著减少时间的情况下，达到与约束α碳的结构优化相当的结果。

科学贡献

本工作的主要贡献是PROPTIMUS RAPHAN方法及其可并行的参考实现PROPTIMUS RAPHAN\(_{\text {GFN-FF}}\)。由于时间需求随结构大小呈线性增长，PROPTIMUS RAPHAN\(_{\text {GFN-FF}}\)在测试所用CPU上平均每小时可优化5,000个原子。因此，在进行任何对蛋白质结构质量敏感的研究之前，我们的方法可用于获得更接近量子力学精度的蛋白质结构。

图文摘要