利用 AlphaFold 表征 G 蛋白偶联受体的构象状态
定量方法
2025-02-26 v1 生物大分子
摘要
G 蛋白偶联受体 (GPCR) 属于诸多生理过程的关键组成部分，是约占 FDA 批准药物的一半的靶点。尽管其重要性突显，但仅限于小部分 GPCR 才能成功靶向，主要源于准确建模其结构结构的挑战。AlphaFold 是一种领先的深度学习模型，已展现出在预测蛋白质结构方面具有卓越能力的优势。本研究评估了 AlphaFold 在预测 GPCR 结构及其构象状态方面的性能，通过将其预测结果与实验确定的结构进行比较，使用诸如 α 碳原子之间的平均变形以及 Helix 3 - Helix 6 (H3-H6) 距离等指标进行衡量。我们的分析表明，AlphaFold 2 (AF2) 和 AlphaFold 3 (AF3) 在预测处于非活性构象的 GPCR 时更为准确，低活性水平与较小的变形呈正相关。相反，高活性水平与 AlphaFold 性能的增加波动性相关，源于在 GPCR 激活及配体结合过程中构象变化预测困难。此外，AlphaFold 性能在不同 GPCR 类别间也存在差异，这受训练数据的可得性和质量以及受体的结构复杂性和多样性的影响。这些发现表明 AlphaFold 在推动药物发现进程方面具有潜力，同时也凸显了为提升活性构象预测准确性仍需持续完善的必要性。
引用
@article{arxiv.2502.17628,
title = {Characterizing the Conformational States of G Protein Coupled Receptors Generated with AlphaFold},
author = {Garima Chib and Parisa Mollaei and Amir Barati Farimani},
journal= {arXiv preprint arXiv:2502.17628},
year = {2025}
}