折叠切换蛋白质推动构象集合预测的边界
生物大分子
2026-01-09 v2
摘要
蛋白质的功能在于其构象集合，这是一组能量加权结构的集合，其平衡取决于温度和环境。尽管最近的深度学习方法在预测单个蛋白质结构方面取得了显著进展，但对构象集合的计算建模仍是一个挑战。本文聚焦于建模折叠切换蛋白质，这类蛋白质会响应细胞刺激发生次级和/或三级结构的重构并改变其功能。这些在蛋白质宇宙中处于欠代表性位置的成员作为通用方法的测试用例，揭示了深度学习模型往往通过与训练集结构的关联来预测构象集合，从而限制了其通用性。这些观察表明，深度学习方法在何时可能成功或失败具有指导意义。开发能够从大规模候选池中识别新折叠切换蛋白质的计算方法，可能更广泛地推动构象集合建模。
引用
@article{arxiv.2601.01740,
title = {Fold-switching proteins push the boundaries of conformational ensemble prediction},
author = {Myeongsang Lee and Lauren L. Porter},
journal= {arXiv preprint arXiv:2601.01740},
year = {2026}
}