跳到正文
Nature Communications· Niraj Bhujel; Nick Whyatt; Agnel Praveen Joseph; Jyothish Thomas; Luc G. Elliot; Tamilarasan Sabapathy; Jeyan Thiyagalingam; Sony Malhotra·· 来源仅提供日期AI 评分52

DPI-Score 提出基于深度学习的冷冻电镜蛋白界面评估指标

DPI-score: a deep learning-based metric for assessing protein-protein interfaces in cryoEM derived assemblies

AI 导读

研究团队提出 DPI-Score,一种仅使用界面原子原始结构坐标、无需人工设计特征的深度学习指标,用于评估冷冻电镜解析组装体中的蛋白-蛋白界面,验证准确率为 87.53%。

已发表论文 · journal · 10.1038/s41467-026-79090-8

本站摘要基于收录版本 v1(2026-11-14),原始摘要与 AI 导读固定保留。

IF(5) 18.9 · 2025 · 期刊参考指标

摘要 · AI 翻译

冷冻电镜(cryoEM)技术的进步带来了高分辨率结构数量的激增;然而,在分辨率( > = 3 Å)以及局部分辨率不均一的区域进行模型构建与精修仍具挑战,因此验证至关重要。冷冻电镜解析的组装体通常包含大量蛋白质-蛋白质界面,但现有的大多数验证指标关注的是密度拟合或整体几何,而未直接评估界面质量。为此,我们提出 DPI-Score,一种基于深度学习的指标,用于评估冷冻电镜复合物中的蛋白质-蛋白质界面。该方法仅使用界面原子的原始结构坐标,无需人工设计特征,验证准确率达到 87.53%。我们将 DPI-Score 应用于电子显微镜数据库(Electron Microscopy Data Bank)中 6,011 个分辨率差于 3 Å 的拟合条目所包含的 29,120 个界面。结果表明,DPI-Score 能为现有验证指标提供互补信息,并可识别出仅凭基于密度的评分无法检出的模型组装体中的界面错误。

来源:Nature Communications · doi.org