利用深度学习技术 ARTINA 从原始 NMR 谱快速完成蛋白质归属与结构解析
生物大分子
2023-01-11 v4 机器学习
摘要
核磁共振(Nuclear Magnetic Resonance, NMR)波谱是结构生物学的主要技术之一,蛋白质数据银行中已存放超过 11800 个蛋白质结构。NMR 可阐明溶液、活细胞及固体中小型和中等大小蛋白质的结构与动力学,但一直受限于繁琐的数据分析过程。通常需受训专家数周或数月的手工劳动才能将 NMR 测量转化为蛋白质结构。该过程的自动化是一个开放问题,于 30 多年前在领域内提出。在此,我们给出这一挑战的解决方案,可在测量完成后数小时内实现蛋白质 NMR 数据的完全自动化分析。仅以 NMR 谱与蛋白质序列为输入,我们基于机器学习的方法 ARTINA 严格在无任何人工干预下给出信号位置、共振归属与结构。在一个包含 1329 个多维 NMR 谱的 100 蛋白质基准上测试,ARTINA 展现出以相对 PDB 参考 1.44 {\AA} 中位 RMSD 求解结构的能力,并识别出 91.36% 正确的 NMR 共振归属。ARTINA 可供非专家使用,将 NMR 蛋白质归属或结构测定的工作量基本缩减至样品制备与谱图测量。
引用
@article{arxiv.2201.12041,
title = {Rapid protein assignments and structures from raw NMR spectra with the deep learning technique ARTINA},
author = {Piotr Klukowski and Roland Riek and Peter Güntert},
journal= {arXiv preprint arXiv:2201.12041},
year = {2023}
}