DRLComplex：利用深度强化学习重构蛋白质四级结构
机器学习
2022-05-30 v1 人工智能
生物大分子
定量方法
摘要
预测的链间残基-残基接触可用于从头构建蛋白质复合物的四级结构。然而，仅开发了少量利用预测的链间接触重构蛋白质四级结构的方法。在此，我们提出一种基于深度强化学习的智能体自学习方法（DRLComplex），以链间接触作为距离约束来构建蛋白质复合物结构。我们使用真实与预测的链间接触作为输入，在两个同源二聚体与异源二聚体蛋白质复合物的标准数据集（即 CASP-CAPRI 同源二聚体数据集与 Std_32 异源二聚体数据集）上严格测试了 DRLComplex。以真实接触作为输入时，DRLComplex 在两个数据集上分别取得了 0.9895 与 0.9881 的高平均 TM-score，以及 0.2197 与 0.92 的低平均界面 RMSD（I_RMSD）。当使用预测接触时，该方法在同源与异源二聚体上分别达到 0.73 与 0.76 的 TM-score。我们的实验发现重构四级结构的准确性依赖于接触预测的准确性。与其他从链间接触重构四级结构的优化方法相比，DRLComplex 表现与一种先进梯度下降方法相似，且优于马尔可夫链蒙特卡洛模拟方法与基于模拟退火的的方法，验证了 DRLComplex 用于蛋白质复合物四级重构的有效性。
引用
@article{arxiv.2205.13594,
title = {DRLComplex: Reconstruction of protein quaternary structures using deep reinforcement learning},
author = {Elham Soltanikazemi and Raj S. Roy and Farhan Quadir and Nabin Giri and Alex Morehead and Jianlin Cheng},
journal= {arXiv preprint arXiv:2205.13594},
year = {2022}
}
备注
20 pages, 8 figures, 12 tables. Under review