榕树集--AF2在抗体复合物结构预测方面的表现

简介

今天介绍一些测评类文章，主要看看AF2在抗体预测方面的表现。先来简要回顾一下Alphafold的历程。在2018年的CASP（Critical Assessment of protein Structure Prediction）竞赛中，DeepMind所属的AlphaFold取得了显著的成功，初步展示了AF对蛋白质结构预测的潜力，拿到了60分左右（百分制）。2020年，DeepMind发布了AlphaFold的升级版本——AlphaFold 2。这个版本在同年的CASP14竞赛中取得了突破性的成绩，准确率大幅提升，拿到了90分。2021年，AF2-multimer版本释放，AF2可以用于预测蛋白--蛋白复合物体系。而2023年说释放的AF-latest信息来看，AF已经可以预测蛋白质-小分子-核酸等等组成的复合物系统，但是遗憾的是这一版目前仍未被公开。

Alphafold-Multimer

先来看一下AF-multimer[3]自己的宣传效果。

作者通过使用一组17个异源二聚体蛋白（没有模版）的基准数据集，13个蛋白的预测结果达到了中等准确性（DockQ≥0.49），7个蛋白的预测结果达到了高准确性（DockQ≥0.8）。此外，作者还使用AF-Multimer对4,446个最近的蛋白质复合物进行了预测。而结果显示，对于heteromeric interfaces，成功率为70%(DockQ ≥ 0.23)，其中26%的预测结果达到了高准确度（DockQ ≥ 0.8）。对于homomeric interfaces，成功率为72%，其中36%的预测结果达到了高准确度。

先解释一下DockQ[1]：

DockQ基于已有的对接模型质量评估指标：Fnat、LRMS和iRMS，这些指标已经在CAPRI和其他测试中使用。DockQ这些指标结合在一起，使用Fnat的平均值以及经过缩放的两个RMS值来表示。非线性缩放RMS值的好处在于使得DockQ分数的范围在0到1之间，而且不同的RMS值则具有质量依赖性，即质量越高，分数越好。这有助于更公平地评估不同对接模型的性能，无论其具体的RMS值是多少。

DockQ 将蛋白质-蛋白质复合物结构质量分为了四个等级[9]：

• 0.00 <= DockQ < 0.23 - Incorrect (Fig D，DockQ < 0.1)
• 0.23 <= DockQ < 0.49 - Acceptable quality(Fid C，DockQ = 0.3)
• 0.49 <= DockQ < 0.80 - Medium quality(Fig B，DockQ = 0.5)
• DockQ >= 0.80 - High quality(Fig A，DockQ = 0.8)

依据AF-mulitimer的描述，其预测蛋白复合物的成功率至少在50%以上，即预测结果达到Medium quality的占比。

抗原--抗体

抗体（Immunoglobulin，Ig）是一种由免疫系统产生的蛋白质分子，其主要作用是识别、结合并中和入侵人体的外来病原体（如病菌、病毒等）或异常细胞。抗体的结构是非常复杂的，它通常由四个蛋白质亚单位组成，这些亚单位称为轻链（light chain）和重链（heavy chain），并且分为不同的类别，如IgG、IgM、IgA、IgD和IgE等。

抗体的结构主要包括以下部分：

1. 可变区（Variable Region）：抗体的可变区是抗体--抗原的结合部分，也称为抗原结合部位（paratope）。可变区由轻链和重链组成，具有高度多样性，可以识别不同的抗原，主要由3个CDR区识别。
2. 恒定区（Constant Region）：抗体的恒定区决定了抗体的类型和功能。它包含了一些特定的结构元件，如Fc区域，它可以与免疫系统的其他细胞互动，如巨噬细胞和自然杀伤细胞，以促使免疫反应。
3. 链（Chains）：抗体通常由两个轻链和两个重链组成，这些链相互连接形成Y型的结构。每个链都包括一个可变区和一个恒定区。 ‍

AF2 在抗原--抗体上的表现

随后，有人对AF2进行了具体的测量,在抗原抗体复合物预测领域，根据Brian G. Pierce[6]的文章来看。他构建了一个400多个抗原--抗体复合物的数据集，并在这些数据集上进行了测试，AF2.2的版本成功率为20%，而AF2.3的版本成功率为30%左右。同时其比较了目前比较流行的fold-and-dock策略，即使用AF预测单独的抗原/抗体结构，随后交由ZDOCK进行对接。ZDOCK预测结果Top 1的得分大概达到Medium or higher accuracy只有1%，可谓不忍直视。同时作者也分析了一些影响因素：MSA，Structure template，抗体类型（nanobody），抗原糖基化，复合物整体尺寸等等。简而言之，MSA和Structure template作为AF2的输入项会显著影响结果。复合物尺寸越小，预测效果越好，也就是nanobody效果会好一些。而抗原糖基化也会显著影响AF2的预测效果。对于一些具有能量偏好的界面，AF2也会表现的好一些。

优化

随后出现了一些策略，用于优化AF2在抗原抗体上的表现。Alexandre M.J.J. Bonvin[5] 构建了一套基于HADDOCK，ML tools以及AF2的流程，用于提高预测成功率，并在71个复合物结构上的benchamrk上进行了测试。其所构建的protocol如table 1所示，而其DDP的流程如下：

1. Rigid body docking phase：在此阶段生成48个模型。与标准HADDOCK采样中生成的模型数量（通常为1000或10000个模型）相比，这是一个非常低的数量。
2. Flexible refinement step：最消耗CPU资源的步骤，其中界面残基被视为半灵活的（首先是侧链，然后是侧链和骨架一起柔性），以允许一些与结合有关的构象变化。
3. Final short energy minimisation
4. Fraction of Common Contacts clustering：将sharing interface contacts至少60%模型聚类在一起。一个类中至少包含3个model。

而在其中ABBE流程表现最好，即使用ABodyBuilder2和AlphaFold2生成的抗原结构模型的集合作为输入，随后遵循DDP流程。但是由于判断标准不同，仅能说明这个流程要比AF2的效果好，但是好多少，存疑。同时可以明显看到的是，抗原/抗体结构越接近binding时候的构象，表现越好。

讨论

AF2在抗原抗体复合物预测结果上效果并不是很好，而传统的对接手段，在这方面的表现只能说聊胜于无。目前兴起的Fold-and-Dock策略，在单一抗体结构和单一抗原结构对接时，并不会起到很好的作用，而ensemble docking可能会表现好一些。但是好多少，尚不明确。同时MSA，Structure template作为输入，肯定会影响输出结果，如何让其影响偏好抗原抗体结构也是个问题。

参考：

1. Basu, Sankar, and Björn Wallner. "DockQ: a quality measure for protein-protein docking models." PloS one 11.8 (2016): e0161879.
2. Jumper, John, et al. "Highly accurate protein structure prediction with AlphaFold." Nature 596.7873 (2021): 583-589.
3. Evans, Richard, et al. "Protein complex prediction with AlphaFold-Multimer." biorxiv (2021): 2021-10.
4. Yin, Rui, et al. "Benchmarking AlphaFold for protein complex modeling reveals accuracy determinants." Protein Science31.8 (2022): e4379.
5. Giulini, Marco, et al. "Towards the accurate modelling of antibody-antigen complexes from sequence using machine learning and information-driven docking." bioRxiv (2023): 2023-11.
6. Yin, Rui, and Brian G. Pierce. "Evaluation of AlphaFold Antibody‐Antigen Modeling with Implications for Improving Predictive Accuracy." Protein Science (2023): e4865.
7. https://deepmind.google/discover/blog/a-glimpse-of-the-next-generation-of-alphafold/
8. https://github.com/bjornwallner/DockQ
9. Chaves, Beatriz, et al. "Guidelines to predict binding poses of antibody–integrin complexes." ACS omega 5.27 (2020): 16379-16385.
10. Gao, Kaiyuan, et al. "Incorporating Pre-training Paradigm for Antibody Sequence-Structure Co-design." bioRxiv (2022): 2022-11.