Dynamic PDB：整合动态行为与物理属性的蛋白质结构数据库与 SE(3) 模型扩展
生物大分子
2024-09-19 v3 人工智能
摘要
尽管在静态蛋白质结构收集与预测方面取得了显著进展，但蛋白质的动态行为——即其最关键特性——在以往研究中仍被大量忽略。这一忽视归因于动态蛋白质数据集的获取困难、种类有限和异质性强。为填补这一空白，我们提出通过整合动态数据和额外物理属性来增强现有权威的静态三维蛋白质结构数据库（如蛋白质数据集 PDB），具体方法是引入大型数据集 Dynamic PDB，包含约 12.6K 种蛋白质，每个蛋白质均进行持续 1 微秒的原子级分子动力学（MD）模拟，以捕捉构象变化。此外，我们提供了一整套物理属性，包括原子速度与力、蛋白质的势能与动能，以及模拟环境的温度，均以 1 皮秒为间隔记录在模拟全过程中。为进行基准测试，我们在所提数据集上评估了当前方法用于轨迹预测的性能。为展示整合更丰富物理属性在研究蛋白质动态及相关模型设计中的价值，我们基于 SE(3) 扩散模型，并将这些物理属性纳入轨迹预测过程中。初步结果表明，仅将上述物理属性纳入考虑，便可提升 SE(3) 模型的预测精度，具体指标为 MAE 与 RMSD。https://fudan-generative-vision.github.io/dynamicPDB/。
关键词
引用
@article{arxiv.2408.12413,
title = {Dynamic PDB: A New Dataset and a SE(3) Model Extension by Integrating Dynamic Behaviors and Physical Properties in Protein Structures},
author = {Ce Liu and Jun Wang and Zhiqiang Cai and Yingxu Wang and Huizhen Kuang and Kaihui Cheng and Liwei Zhang and Qingkun Su and Yining Tang and Fenglei Cao and Limei Han and Siyu Zhu and Yuan Qi},
journal= {arXiv preprint arXiv:2408.12413},
year = {2024}
}