基于Alphafold2进行蛋白设计

参考文献: Using AlphaFold for Rapid and Accurate Fixed Backbone Protein Design

作者: 吴炜坤

1. 前言:

随着alphafold2突破性预测蛋白结构的成功，学术界也开始尝试探索如何使用它进行高精度的蛋白序列设计。本篇快速地进行一下解读。

2. 计算方法:

2.1 序列初始化

• 序列开始并非使用随机模型, 而是使用了一个自回归的transformer来生成初始的序列。 大概1000条denovo的序列（图A）。
• 将1000条序列喂给AlphaFold预测所有的结构（relaxed，最高pLDDT的模型）进行保留。 随后使用TM-align将target的backbone和de novo设计的序列结构进行对比（图B）
• 将最高的Tm-score的结构的序列作为初始父代序列，并且只保留aligned结构motif部分的序列，没比对上的用丙氨酸进行替代（图C）。

经过这样处理之后，将预测对的residue fragment提取了出来，比随机生成更有利于序列空间的搜索。

2.2 迭代end-2-end设计

设计方法的核心是通过MCMC算法对序列空间进行采样，接着使用AlphaFold预测结构，直到生成与目标结构的backbone尽可能地相似。

首先同样采用了distance map loss的计算方法，来比较设计的结构与真实结构之间差异:

ij是每个氨基酸对, y是真实的距离分布特征，p是预测的距离分布特征。

在推断过程中还计算每个残基的pLDDT，然后在5个参数集上取平均值，但不在序列长度上取平均值。

这个weight被用于设定为序列采样的概率。假设pLDDT高的区域，氨基酸是稳定的。

在决定了哪个区域的氨基酸应该被采样后，这个位点将随机等概率突变成另外一些氨基酸的类型（除了cys）。并且当这个突变让distance map loss降低时（改善预测结构吻合度时），保留此突变。最后通过如此迭代了20000轮突变，distogram score收敛。

2.3 Fast AlphaFold inference

为了快速进行迭代搜索，作者对AlphaFold的标准预测流程进行了修改:

• 只是用单序列进行预测
• 禁用了模板搜索
• 不使用recycling
• MSA最大序列设定为1
• attention中，与设计无关的head被禁用
• 没要structure module，直接从pair-wise representation计算距离分布

最后的效果：在民用的RTX30系上，一次迭代大概5秒（预测100个氨基酸的长度）

2.4 设计效果的评估

作者使用了三种结构预测的方法进行评估

• 使用标准的AlphaFold流程
• 使用trRosetta
• 使用fragment-based ab initio的Rosetta方法

3. 设计结果

作者使用了人工设计的Top7作为测试集。

在第一阶段进行序列设计时，af2预测的TM-score仅有0.746，经过上述的方法进行迭代设计之后，新设计的序列与Top7的相似性仅为27%。将此序列使用af2验证时，全局的RMSD仅为0.736 Å，pLDDT score为91。而使用trRosetta进行预测时，Cα-RMSD为2.637 Å，TM-score为0.679。第三种检查方法为ab initio fragment-based的方法进行预测，经过15000个采样后，最好的结构Cα-RMSD 为1.279 Å。均证明，设计的序列与目标结构可能是同一种Fold。

Top7设计成功后，作者进一步尝试设计未在训练集中的数据Peak6 (PDB ID 6MRS)、Foldit(PDB ID 6MRR)、Ferredog-Diesel (PDB ID 6NUK)。初始序列对应匹配TM-score为0.596-0.7之间，经过设计后，af2预测结构的Cα-RMSD降低至1Å以内，pLDDT score > 85。使用ab initio fragment-based的方法进行预测Cα-RMSD均小于3Å。设计的序列与目标模板序列相似性均低于30%。在多种结构预测工具中，trRosetta预测的结构Cα-RMSD较大，这可能与输入MSA质量较差有关。

4. 讨论

作者通过使用缩水版的alphafold2进行fix-backbone设计，本质上即使用基于pLDDTscore版本的mcmc序列采样，最后通过结构验证所设计的序列可靠性。此设计方法中没有使用到能量函数的概念，因此推测AlphaFold已经学会了一些与能量相关的结构信息。

5. 最后：

NO CODE。