可微自旋中心扩散模型实现 DEER 引导的加权蛋白质构象集合生成流程
Differentiable Spin-Center Diffusion Model Enables DEER-Guided Generative Pipeline of Weighted Protein Ensembles
作者提出可微的自旋中心(SC)扩散模型,用它描述自旋标记的柔性,并与冻结的 Boltz-2 结构生成器耦合,使实验测得的 DEER 距离分布 P(r) 能在推理阶段直接引导构象集合生成。
预印本 · biorxiv · 10.64898/2026.10.29.762916
本站摘要基于收录版本 v1(2026-11-02),原始摘要与 AI 导读固定保留。
来源最近更新: · 来源 v1
生物学功能涉及蛋白质在不同构象之间的相互转换,这一平衡受配体及其他物理化学条件的调节。双电子-电子共振(DEER)光谱通过自旋标记对之间的距离分布 P(r) 来捕获这些构象系综。然而,P(r) 的宽度将蛋白质构象的异质性与标记的旋转异构柔性卷积在一起。由于当前的自旋标记模型高估了这一贡献,将 P(r) 转化为系综的过程一直停留在间接且以定性为主的层面。在此,我们开发了自旋中心(SC)扩散,这是一种具有可调自旋标记旋转异构宽度的可微自旋标记模型。与冻结的 Boltz-2 结构生成器耦合后,SC 扩散使得整个实验 P(r) 能够在推理阶段引导系综的生成。我们在具有已知组成的合成 P(r) 上验证了该流程的稳健性,成功恢复了系综的组分占比,包括双峰分布中的两个组分。在不同生化条件下测得的实验 P(r) 引导下,对转运蛋白 PfMATE、LmrP、MhsT 和 P-糖蛋白进行了系综建模,并以条件依赖的方式从系综中推导出自由能差异。通过将可微标记模型嵌入结构生成过程,我们的方法将 DEER 分布解读为加权构象系综,为生成式蛋白质结构预测方法补充了缺失的热力学基础。
来源:bioRxiv · biorxiv.org