[논문 리뷰] Technical Report of HelixFold3 for Biomolecular Structure Prediction

Lihang Liu, Shanzhuo Zhang외 11명|arXiv (Cornell University)|2024. 08. 30.

Machine Learning in Bioinformatics인용 수 18

한 줄 요약

HelixFold3는 리간드, 핵산, 그리고 단백질 구조를 예측함으로써 AlphaFold3의 역량을 재현하는 것을 목표로 한다; 이는 학술 연구를 위해 오픈 소스이며 여러 생체분자 표적에서 AlphaFold3와 비교할 만한 정확도를 보인다.

ABSTRACT

The AlphaFold series has transformed protein structure prediction with remarkable accuracy, often matching experimental methods. AlphaFold2, AlphaFold-Multimer, and the latest AlphaFold3 represent significant strides in predicting single protein chains, protein complexes, and biomolecular structures. While AlphaFold2 and AlphaFold-Multimer are open-sourced, facilitating rapid and reliable predictions, AlphaFold3 remains partially accessible through a limited online server and has not been open-sourced, restricting further development. To address these challenges, the PaddleHelix team is developing HelixFold3, aiming to replicate AlphaFold3's capabilities. Leveraging insights from previous models and extensive datasets, HelixFold3 achieves accuracy comparable to AlphaFold3 in predicting the structures of the conventional ligands, nucleic acids, and proteins. The initial release of HelixFold3 is available as open source on GitHub for academic research, promising to advance biomolecular research and accelerate discoveries. The latest version will be continuously updated on the HelixFold3 web server, providing both interactive visualization and API access.

연구 동기 및 목표

• 생체분자 구조 예측을 위한 AlphaFold3의 능력을 재현하는 것을 목표로 한다.
• 다양한 데이터셋을 사용하여 리간드, 핵산, 및 단백질에 대해 HelixFold3 를 평가한다.
• 학술용으로 오픈 소스 추론 코드와 모델 매개변수를 제공한다.

제안 방법

• AlphaFold3 및 이전 HelixFold 모델(HelixFold, HelixFold-Single, HelixFold-Multimer, HelixDock)로부터의 통찰을 활용한다.
• 2021년 9월 30일 이전에 공개된 PDB 대상과 자기증류 데이터를 사용하여 학습한다.
• 다중 시드 및 샘플링 단계를 사용한 확산 추론을 통해 예측 정확도를 극대화한다.
• 신뢰도 지표(pLDDT, pAE, pTM)를 평가하고 이를 실제 정확도와 상관관계가 있는지 확인한다.

실험 결과

연구 질문

• RQ1 일반적인 리간드, 핵산 및 단백질에 대해 HelixFold3가 AlphaFold3에 비견될 만큼의 정확도를 달성할 수 있는가?
• RQ2 생체분자 카테고리 전반에서 신뢰도 점수와 실제 구조 정확도 간의 상관관계는 어떠한가?
• RQ3 무작위 시드, 확산 반복, 샘플링 단계가 예측 품질에 미치는 영향은 무엇인가?
• RQ4 리간드, 핵산 및 단백질-단백질 상호작용에서 전문화된 벤치마크 대비 HelixFold3의 성능은 어떠한가?

주요 결과

• 리간드에서 HelixFold3는 PoseBusters 벤치마크에서 높은 예측 성공을 달성하고 정확도 면에서 AlphaFold3에 근접한다.
• 핵산의 경우 HelixFold3는 CASP15 RNA 타깃에서 완전 자동 모델 중 AlphaFold3에 부합하고, 더 폭넓은 PDB 데이터세트에서 RoseTTAFold2NA 및 RoseTTAFold-AllAtom보다 우수하다.
• 단백질에서 HelixFold3는 단백질-단백질 상호작용에 대한 인터페이스에서 AlphaFold-Multimer를 능가하고 AlphaFold3에 근접하며, 지속적인 최적화가 계획되어 있다.
• 신뢰도 지표(pLDDT, pAE, pTM)는 리간드, 단백질 복합체, RNA 및 DNA 데이터셋 전반에서 실제 정확도와 강한 상관관계를 보인다.
• GitHub의 오픈 소스 릴리스(학술 비상업적 사용) 및 온라인 PaddleHelix 서비스는 더 폭넓은 연구 활용을 가능하게 한다.