AlphaFold3，模型預測性能和使用操作教程

來源：發(fā)布時間：2024-12-25

生WU復合物準確模型的建立對于細胞功能解析與YAO物設計至關重要。alphaFold 3(AF3)的出現(xiàn)改變了這一局面，它能夠預測包括蛋白質(zhì)、DNA、RNA、配體小分子、離子和修飾殘基在內(nèi)的復合物的聯(lián)合結構。AF3的高精度預測能力將為我們更深入地理解細胞功能、合理設計ZHI療YAO物以及推動生WU科學的發(fā)展提供有力的支持。

一、模型預測性能

1. 蛋白-小分子配體結構預測準確性更高

AF3還比各種單一任務模型表現(xiàn)出更高的性能(圖1a)，包括蛋白-小分子、核酸、共價、抗原抗體等各種分子相互作用。蛋白質(zhì)-配體結構預測的AF3性能在PoseBusters數(shù)據(jù)集上進行了160項評估，圖1a可見，AF3明顯優(yōu)于基于結構的Vina，以及RFAA模型。圖1b-d三個示例，AF3實現(xiàn)了準確的預測，但對接工具 Vina 和 Gold 卻不能對接成功。為了與RFAA結果進行比較，作者在PoseBusters V1，V2數(shù)據(jù)集進行了評估，結果顯示，AF3預測性能優(yōu)于DiffDock、Uni-mol V2、Vina（圖1e-j）。

圖1 AF3在預測蛋白-小分子結構性能比較（Ref. Fig1/Extended Data Fig3/4）

2. 蛋白-核酸復合物或RNA單體預測準確性更高

AF3夠比RoseTTAFold2NA更準確地預測蛋白質(zhì)-核酸復合物和 RNA 結構(圖2)。從圖2可見，AF3的蛋白-核酸對接成功率遠遠高于RoseTTAFold2NA算法。

圖2 AF3在預測蛋白質(zhì)-核酸復合物結構預測性能比較（Ref. Fig1）。PDB數(shù)據(jù)庫中蛋白-RNA，蛋白-雙鏈DNA；CSAP15比賽中RNA單體的成功率。成功率針對復合物是iterface LDDT，單體RNA為LDDT。N表示靶點的數(shù)量。

3. 共價修飾預測準確性更高

AF3還可以準確預測共價修飾(鍵合配體、糖基化、修飾的蛋白殘基和核酸堿基)(圖 3a-b)。修飾包括對任何聚合物殘基(蛋白質(zhì)、RNA或DNA)的修飾。成功率定義為RMSD < 2 ?。

圖3 AF3在預測共價修飾性能比較（Ref. Fig1/Extended Data Fig6）。a. 縱坐標成功率定義為配體RMSD < 2 ? 的百分比，N表示靶點的數(shù)量。依次為，蛋白鍵和小分子、蛋白糖基化、蛋白修飾、DNA/RNA修飾。b.在磷酸化 (SEP、TPO、PTR、NEP、HIP)場景，AF3的預測成功率，PTM表示轉(zhuǎn)錄后修飾。

4. 蛋白-蛋白/蛋白單體預測準確性更高

AF3相對于 AlphaFold-Multimer v2.3也提高了蛋白質(zhì)復合物準確度（圖4）。抗體蛋白質(zhì)相互作用預測尤其顯示出顯著的改善。

圖4 AF3在預測蛋白-蛋白/蛋白單體性能比較（Ref. Fig1/Extended Data Fig7）。蛋白Multimer、蛋白-抗體、蛋白單體在Recent PDB評估集上的預測成功率。蛋白Multimer、蛋白-抗體的成功率定義為DockQ > 0.23。蛋白單體使用LDDT指標定義成功率。N表示靶點的數(shù)量。

二、使用操作教程（AlphaFold Server需要科學上網(wǎng)，建議使用Google瀏覽器）

1. 進入AlphaFold Server網(wǎng)站（圖5a），該網(wǎng)站提供了訪問AlphaFold3的網(wǎng)絡服務，無需代碼，通過上產(chǎn)數(shù)據(jù)即可完成包含蛋白質(zhì)、DNA、RNA、配體、離子的高精度生WU分子結構預測。

2. 使用谷歌賬號登錄之后，進入Server頁面，右上角Remaining jobs表示用戶剩余的訪問次數(shù)，每進行一次蛋白質(zhì)預測，Remaining jobs都會減1。目前AlphaFold Server為每個用戶每天提供了10次蛋白質(zhì)預測的次數(shù)，對于大多數(shù)人來說應該是足夠的（圖5b）。