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
|
SQL 人工智能 分布式计算
基于阿里云PAI平台搭建知识库检索增强的大模型对话系统
基于原始的阿里云计算平台产技文档,搭建一套基于大模型检索增强答疑机器人。本方案已在阿里云线上多个场景落地,将覆盖阿里云官方答疑群聊、研发答疑机器人、钉钉技术服务助手等。线上工单拦截率提升10+%,答疑采纳率70+%,显著提升答疑效率。
|
4天前
|
机器学习/深度学习 人工智能 文字识别
多模态产品在智能文档处理应用的展望------以TextIn模型为例
**第十四届VALSE大会在重庆举行,合合信息智能创新事业部研发总监常扬分享了“文档解析与向量化技术”,重点介绍TextIn技术。TextIn解决现有文档解析挑战,如表格解析难题,建立包含数据基建、算法、应用和接入四层架构的文档解析Pipeline。关键技术包括版面分析和文档树引擎,能准确识别文档结构和阅读顺序。TextIn在C-MTEB榜单排名第一,显示其在文本向量化领域的优势,适用于长文档处理和多行业应用,有望推动AI技术进步和产业升级。**
21 1
|
4天前
|
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
77 0
|
6月前
|
搜索推荐 NoSQL Redis
149 混合推荐系统案例(功能分析)
149 混合推荐系统案例(功能分析)
57 0
|
4天前
|
监控 供应链 测试技术
如何利用API接口进行高效的商品变体管理?
要利用API接口进行高效的商品变体管理,您需要执行一系列策略和技术步骤来确保数据的准确性和实时性。以下是详细的指南:
|
4天前
|
传感器 XML JSON
AIOT-物模型(产品模型、数据模板)
使用 TSL 描述的物联网中的实体模型,就是“物模型”也称产品模型、数据模板。
160 0
|
4天前
|
算法 API 对象存储
视觉智能平台菜品识别要怎么做对比库呀?
视觉智能平台菜品识别要怎么做对比库呀?
45 1
|
10月前
|
存储 数据采集 自然语言处理
手把手教学小型金融知识图谱构建:量化分析、图数据库neo4j、图算法、关系预测、命名实体识别、Cypher Cheetsheet详细教学等
手把手教学小型金融知识图谱构建:量化分析、图数据库neo4j、图算法、关系预测、命名实体识别、Cypher Cheetsheet详细教学等
手把手教学小型金融知识图谱构建:量化分析、图数据库neo4j、图算法、关系预测、命名实体识别、Cypher Cheetsheet详细教学等
|
机器学习/深度学习 人工智能 算法
整个元素周期表通用,AI 即时预测材料结构与特性
整个元素周期表通用,AI 即时预测材料结构与特性
122 0
|
机器学习/深度学习 数据采集 人工智能
中科大提出统一输入过滤框架InFi:首次理论分析可过滤性,支持全数据模态
中科大提出统一输入过滤框架InFi:首次理论分析可过滤性,支持全数据模态
196 0