设计刚性蛋白基准标记以可视化GPCR构象状态
研究团队将生成式蛋白设计与基于深度学习的集合预测结合,设计出可用于冷冻电镜的基准标记,以解析GPCR构象状态。他们高通量测定了四种具药物相关性的GPCR非活性态结构,并为β2肾上腺素受体构建胞外标记,在无G蛋白条件下观察关键胞内基序的重排。与近期共折叠模型比较后,作者指出当前方法在预测配体诱导的GPCR构象上存在明显差距。
推荐理由:论文将生成式蛋白设计与深度学习集合预测结合,为GPCR难以捕捉的构象状态提供可迁移的结构解析思路。
技术方向
蛋白与复合物的结构预测、共折叠和构象:AlphaFold、Boltz、Chai、Protenix 等模型及其应用。
共 99 条动态近 30 天 81 条
研究团队将生成式蛋白设计与基于深度学习的集合预测结合,设计出可用于冷冻电镜的基准标记,以解析GPCR构象状态。他们高通量测定了四种具药物相关性的GPCR非活性态结构,并为β2肾上腺素受体构建胞外标记,在无G蛋白条件下观察关键胞内基序的重排。与近期共折叠模型比较后,作者指出当前方法在预测配体诱导的GPCR构象上存在明显差距。
推荐理由:论文将生成式蛋白设计与深度学习集合预测结合,为GPCR难以捕捉的构象状态提供可迁移的结构解析思路。
作者提出并评估一种表位切除方法,将靶点截短到局部界面窗口,以同时加速骨架扩散和结构预测。在 15 个靶点和 3,666 个设计上,截短窗口与完整靶点界面的中位 CαRMSD 为 0.37 Å,并在 FAP 的 719 残基胞外域上将 RFdiffusion 和 AlphaFold3 的 GPU 时间在一个表位中减少约 88%。
作者计算设计靶向 IL-23 细胞因子 p19 亚基 IL-23R 结合面的迷你蛋白候选物,并用长度稳健的 ipSAE 评分。常规 RFdiffusion/ProteinMPNN/ColabFold 流程在 972 个设计中未得到可靠预测界面,最佳 ipSAE 为 0.30;BindCraft 的 50 个设计中有 42 个超过 0.60,最高 0.804。
UnibindMD 串联 BindCraft、AlphaFold3-class/Boltz-2、PRODIGY、ADMET-AI 与 GROMACS/CHARMM36m 五个阶段,将蛋白靶点转化为经分子动力学验证的从头肽结合剂候选。
研究者在10个靶点上用基于 ESMFold2 的流程评估了单纯形投影梯度下降(PGD)用于基于幻觉的蛋白质结合剂设计。结果显示,PGD 比 softmax 参数化在更少迭代内最小化设计损失,并产生预测界面置信度更高的设计;在每靶点 1,024 个设计的 ipSAE 分布上尾筛选中,PGD 在 6 个靶点上显著改善且无靶点显著变差,并在所有靶点上产生更高的结构多样性。
研究提出 Astrolabe,一种可编程闭环框架,把结构条件序列生成与用户自定义目标结合,用于协调不同分子状态的生物分子设计。在受评方法中,Astrolabe 在蛋白质和小分子结合物基准上的计算通过率最高,并能容纳从局部有序化到多结构域重排的靶标构象变化。
研究团队提出 Trion-1,一个面向蛋白质的原生统一多模态扩散语言模型(dLLM)。它用统一的离散 token 空间同时表示序列、结构和自然语言,并以双向或半双向 token 交互替代严格从左到右的分解,统一了折叠、逆折叠、序列理解、结构理解、序列设计和结构设计六项能力,同时保留通用 LLM 的语言能力。
研究团队解析霍乱弧菌核心分裂体复合物 FtsWIQLB,发现 FtsI 中的一段 coupling helix 可直接调节 FtsW 的持续合成能力。结合定量双活性测定、cryo-EM 与 AlphaFold 建模,研究识别出 FtsI 失活的 down 构象和推测有活性的 up 构象,并发现肽交联需要最小聚糖链长度。lipid II 的脂尾对 FtsW 持续性同样重要,短尾类似物表现出抑制作用。
推荐理由:研究结合定量双活性测定与 AlphaFold 建模,提出 FtsI 构象切换在时空上耦合成糖聚合与肽交联的机制模型。
研究团队提出 MutaStruct,一个经残基级序列验证、坐标级质量控制、去重和防泄漏切分的单点突变蛋白结构对基准,用于评估突变诱导的结构变化预测。该基准对比仅序列结构预测、基于物理的修正和基于学习的修正方法,并加入 Copy-WT 诊断对照;结果显示 Copy-WT 在骨架指标上仍具竞争力,而方法排名在局部指标与突变位点指标间明显变化。
NuFold RNA 结构数据库发布,提供大规模预计算的全原子 RNA 三级结构模型及相应置信度指标。该数据库免除了本地运行方法的计算门槛,让生物研究社区可直接访问高精度 RNA 结构模型。NuFold 程序源码已在 GitHub 提供,预测结构与统计数据可通过 https://nufold.kiharalab.org/ 获取。
来源更新 2026-10-22
Rozsa 与 Erdos 提出 DEEP 框架,可直接从蛋白质结构预测器预测的残基对距离分布中提取有效统计势,无需用实验稳定性数据训练。DEEP-Boltz 在 64 项 ProteinGym 稳定性评测上的平均每项 Spearman 相关系数为 0.720,数值上优于匹配比较中的全部 97 个已发表零样本方法,与直接用实验稳定性测量训练的最佳预测器处于同一水平。
研究用冻结的 ESM2 650M 加 12.2M 可训练参数模块,仅凭序列预测 HER2 表位与 VHH 纳米抗体互补位,不做三维结构预测。序列聚类划分下,binder head 的 PR AUC 为 0.999,paratope head 为 0.659,但新抗原残基级表位预测仅 0.070。
GCLDock 通过课程学习增强生成式柔性对接,采用线性节奏函数逐步纳入大幅构象变化样本,以缓解 apo 到 holo 的长尾结构偏移。在 PDBBind ESMFold apo 基准上,采用松弛和基于置信度的姿态选择后,GCLDock 的 top-1 成功率达 46.52%(配体 RMSD 小于 2A);额外要求 PoseBusters 有效性时为 40.26%,优于现有基线。
研究团队以 AlphaFold3 预测的 TAD 与辅激活因子相互作用为指导,设计并筛选出 300 多个对 Mediator、BRD4、NCOA 和 p300 的纳摩尔级结合蛋白。
推荐理由:研究把 AlphaFold3 预测界面与哺乳动物细胞筛选结合,为按亲和力定量调节转录输出提供了可迁移的设计思路。
研究解析了牛病毒性腹泻病毒(BVDV-1)E2 糖蛋白与牛 CD46 复合物的晶体结构,分辨率为 3.1 Å,显示 CD46 的 SCR1-2 结构域与 E2 的 DII-DIV 结构域以大致反向平行的方式结合。
研究团队提出 Chaperone,一个把 RFdiffusion3 与 ProteinMPNN、AlphaFold3 等 50 多个蛋白设计工具接入智能体流程的轻量可定制框架。
推荐理由:Chaperone 在九项设计任务中与基线智能体对比,报告 token 用量下降 86% 和 GPU 成本下降 64%,可作为长流程智能体设计的效率参照。
论文提出 recAMPLIFY,一种采用递归预训练的蛋白质语言模型,使用与 AMPLIFY-350M 相同的 2T token 训练,155M 唯一参数比后者少 56%。
Rosetta Commons 在 GitHub 组织下发布 Chaperone,一个用于构建、执行和评估结构生物学工作流的统一框架。该框架由华盛顿大学蛋白质设计研究所成员开发,为 RFdiffusion3、AlphaFold3、ProteinMPNN、Boltz-2 等组件提供文档化的 block,并支持分支流程、并行任务提交和迭代循环。
推荐理由:框架把蛋白设计各环节拆成可组合模块,并内置任务编排与数据溯源,便于评估自建流程的整合成本。
ProtGlycanDock 研究提出蛋白-聚糖对接数据集与基准,并设计两种把聚糖构象知识注入通用分子结构预测模型的微调方法。基准覆盖蛋白质和聚糖泛化设置,评测物理对接、机器学习对接和结构预测三类共十种模型。
研究提出 MIEN,一种基于结构的等变图网络,用于评估糖链姿态与固定蛋白口袋的兼容性。模型在 5,241 个实验复合物上训练,并在 260 个蛋白不重叠复合物上区分实验姿态与非天然姿态;在 AutoDock-GPU 和 GlycanDock 候选池中,三个训练种子下 MIEN 选出更低 RMSD 的 top-1 姿态的次数多于这两个对接引擎,并将 1、2、4 埃以内的最佳姿态数量提高。