ATPdock:一种基于模板的ATP特异性蛋白质-配体对接方法

简介: ATPdock:一种基于模板的ATP特异性蛋白质-配体对接方法

编辑 | 萝卜皮准确识别蛋白质-ATP 结合位姿对于基础结构生物学和药物发现都具有重要意义。尽管已经设计了许多对接方法,但大多数都需要用户定义的结合位点,很难达到高质量的蛋白质-ATP对接结果。开发一种没有用户定义的结合位点的蛋白质-ATP 特异性盲对接方法至关重要。在这里,浙江工业大学的研究人员介绍了 ATPdock,这是一种基于模板的方法,用于将 ATP 与蛋白质对接。对于每个查询蛋白,如果没有给出口袋位点,ATPdock 首先使用 ATPbind(一种 ATP 结合位点预测器)识别其最有潜力的口袋;然后,使用口袋结构对齐工具 APoc 从口袋-配体结构数据库中搜索与给定或识别口袋最相似的模板口袋;第三,使用配体结构对齐工具LS-align生成ATP的粗对接位姿(rdATP),将初始ATP位姿与模板口袋对应的模板配体对齐;最后,在 AutoDock Vina 能量函数的指导下,利用 Metropolis Monte Carlo 模拟对 rdATP 进行微调。基准测试表明,ATPdock 在对接精度方面明显优于其他最先进的方法。该研究以「ATPdock: a template-based method for ATP-specific protein–ligand docking」为题,于 2022 年 1 月 15 日刊载在《Bioinformatics》。ATPdock的性能评估ATPdock 使用两个最先进的蛋白质-配体对接程序(AutoDock Vina 和 DOCK6)在 88 种蛋白质-ATP 复合物上进行了测试。在 88 个复合物中有 94 个天然和 88 个 ATPbind 预测的口袋 ATP 结合位姿。使用 APoc 和 LS-align 算法,对于每个查询口袋,ATPdock 可以从 PLDB 数据库中搜索具有最高相似性的模板口袋-配体结构。结果显示了在提供原生和 ATPbind 预测的口袋信息的条件下相应的相似性值。鉴于原生 ABP 信息,ATPdock 在 94 个口袋 ATP 结合姿势上的平均 RMSD 值可以达到 3.41 Å,分别比 AutoDock Vina 和 DOCK6 低 53.9% 和 45.3%。鉴于 ATPbind 预测的 ABP 的信息,ATPdock 的平均 RMSD 值比两个控制程序,即 AutoDock Vina 和 DOCK6 的平均 RMSD 值低 39.8% 和 40.2%。此外,通过重新访问图 1A 和 B,很容易看出从 PLDB 数据库中搜索的口袋配体模板可用于帮助提高 AutoDock Vina 和 DOCK6 的性能。

图1:ATPdock的性能评估。(来源:论文)

表 1 显示了 Student t-test 中 ATPdock 和 Vina、VinaTM、DOCK6 和 DOCK6TM 在两种不同给定信息上的 RMSD 差异的 P 值。从表 1 中不难看出,在给出原生口袋信息时,ATPdock 与其他对接方法之间的 P 值均 <10^4。这里,上标 TM 表示 rdATP 在相应的对接方法中用作初始状态。表1:在两种不同给定信息上的 RMSD 差异 P 值。(来源:论文)此外,图 1C 提供了一个说明性示例,将 ATP 对接到查询蛋白的天然口袋(PDB ID:3GBUA),其中 ATPdock 的对接结果在所有对接结果中具有最低的 RMSD(1.49 Å)。图 1D 显示了将 ATP 对接到查询蛋白的 ATPbind 预测口袋中的另一个示例(PDB ID:5D9HB),其中 ATPdock 的对接结果在所有对接结果中具有最低的 RMSD(1.63 Å)。图 2 显示了在给出天然和 ATPbind 预测口袋的条件下 RMSD 的分布。图 2:ATPdock、Vina、DOCK6、VinaTM 和 DOCK6TM 在原生和 ATPbind 预测口袋条件下对接结果的 RMSD 分布。(来源:论文)实际上,搜索到的口袋配体模板的质量越高,ATPdock 的性能就越好。除了使用的口袋配体模板外,ATPdock 的高对接精度可部分归因于 Metropolis Monte Carlo 模拟。图 3 显示了一个案例研究,其中使用 Metropolis Monte Carlo 的模拟导致与没有 Metropolis Monte Carlo 程序的完全不同的对接姿势;前者的 RMSD 比后者低 21.6%。图 3:ATPdock在5DB4A上的对接结果。(来源:论文)ATPdock 的网络服务器唯一的强制性输入是 PDB 格式的查询蛋白质结构信息。ATPdock 的网络服务器还允许用户可选地输入一个或多个 ABP 信息以生成一个或多个相应的 ATP 绑定姿势。如果没有输入 ABP,使用 ATPbind 生成一个或多个 ABP 需要额外的几个小时。对于每个 ATPdock 生成的 ATP 绑定姿势,由 NGL Viewer 实现的四个交互式小程序,用于可视化查询和搜索模板袋的叠加结构,初始 ATP 和搜索的模板配体的叠加结构,查询口袋和初始 ATP 的粗对接结构,通过将它们与搜索的口袋-配体模板对齐获得,以及最终对接结构。ATPdock 网络服务器可以轻松扩展以将 ATP 样(甚至通用)配体停靠到受体蛋白中。未来,研究人员还应该使用其他搜索方案来快速找到 ATP 或其他配体类型的最佳对接姿势。ATPdock 独立程序:https://github.com/jun-csbio/ATPdockATPdock 网络服务器和数据集:https://jun-csbio.github.io/atpdock/论文链接:https://academic.oup.com/bioinformatics/article-abstract/38/2/556/6373371?redirectedFrom=fulltext&login=false

相关文章
|
6月前
|
机器学习/深度学习 人工智能 安全
千帆大模型平台再升级:接入大模型最多、Prompt模板最全面
千帆大模型平台再升级:接入大模型最多、Prompt模板最全面
257 1
|
机器学习/深度学习 算法 网络安全
决策树算法在文档管理系统中的应用:智能文档分类与组织
决策树算法是一种常用的机器学习算法,在分类问题中被广泛应用。该算法通过将原始数据集拆分成多个小的决策子集,以生成一个决策树,用于预测新数据的分类。
133 1
|
数据处理 Python
doccano数据标注平台搭建
基于阿里云服务器ESC示例,搭建doccano数据标注平台
文档智能服务功能评测
评测第二部分 文档解析(大模型版)服务体验评测
|
2月前
|
弹性计算 自然语言处理 数据可视化
|
3月前
|
人工智能 自然语言处理 搜索推荐
彻底摒弃人工标注,AutoAlign方法基于大模型让知识图谱对齐全自动化
【8月更文挑战第18天】知识图谱作为结构化语义库,在AI领域应用广泛,但构建中实体对齐难题一直存在。近期,AutoAlign提供了一种全自动对齐方案,由张锐等人研发并发布于arXiv。此方法摒弃传统的人工标注依赖,利用大型语言模型实现全自动化对齐。AutoAlign包括谓词与实体对齐两部分,通过构建谓词邻近图及计算实体嵌入,有效提升对齐性能。实验显示其性能超越现有方法,尤其适用于大规模数据集。尽管如此,AutoAlign仍面临计算资源消耗及不同领域适应性等挑战,未来需进一步优化以增强鲁棒性和泛化能力。
61 7
|
5月前
|
机器学习/深度学习 人工智能 前端开发
人工智能平台PAI产品使用合集之创建了实时特征视图,里面的数据是通过什么传入的
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
|
5月前
|
文字识别 算法 API
视觉智能开放平台产品使用合集之图美学评分AssessComposition是同步接口还是异步接口
视觉智能开放平台是指提供一系列基于视觉识别技术的API和服务的平台,这些服务通常包括图像识别、人脸识别、物体检测、文字识别、场景理解等。企业或开发者可以通过调用这些API,快速将视觉智能功能集成到自己的应用或服务中,而无需从零开始研发相关算法和技术。以下是一些常见的视觉智能开放平台产品及其应用场景的概览。
|
6月前
|
存储 人工智能 数据库
【AI大模型应用开发】【LangChain系列】2. 一文全览LangChain数据连接模块:从文档加载到向量检索RAG,理论+实战+细节
【AI大模型应用开发】【LangChain系列】2. 一文全览LangChain数据连接模块:从文档加载到向量检索RAG,理论+实战+细节
230 0
|
6月前
|
Ubuntu 数据可视化 Shell
一键访问多功能数据解决方案:如何轻松构建和管理APITable智能多维表格
一键访问多功能数据解决方案:如何轻松构建和管理APITable智能多维表格
101 0