[论文解读] Protein Structure Prediction until CASP15

Arne Elofsson|arXiv (Cornell University)|Dec 15, 2022

Protein Structure and Dynamics被引用 7

一句话总结

本文回顾了AlphaFold2在CASP14之后对蛋白质结构预测产生的变革性影响，强调其能够以接近实验精度预测单结构域蛋白质结构。文章综述了后续基于人工智能的方法在预测蛋白质复合物、无序区域以及从头蛋白质设计方面的进展，强调AlphaFold2开源发布所激发的快速创新。

ABSTRACT

In Dec 2020, the results of AlphaFold2 were presented at CASP14, sparking a revolution in the field of protein structure predictions. For the first time, a purely computational method could challenge experimental accuracy for structure prediction of single protein domains. The code of AlphaFold2 was released in the summer of 2021, and since then, it has been shown that it can be used to accurately predict the structure of most (ordered) proteins and many protein-protein interactions. It has also sparked an explosion of development in the field, improving AI-based methods to predict protein complexes, disordered regions, and protein design. Here I will review some of the inventions sparked by the release of AlphaFold.

研究动机与目标

• 分析AlphaFold2在CASP14发布后对计算蛋白质结构预测产生的革命性影响。
• 调查因AlphaFold2成功而催生的基于人工智能方法的激增。
• 考察在预测蛋白质复合物、无序区域和从头蛋白质设计方面取得的改进。
• 记录其对结构生物学和计算生物学的更广泛影响。
• 全面概述自AlphaFold2发布以来至CASP15期间所触发的方法论创新。

提出的方法

• 本文综合了2021至2022年期间该领域已发表的研究成果与进展，重点聚焦于基于人工智能的蛋白质结构预测方法。
• 评估了AlphaFold2及其衍生方法在高精度预测单结构域蛋白质结构方面的表现。
• 综述了支撑AlphaFold2成功的关键深度学习模型架构创新，包括注意力机制和迭代优化。
• 探讨了AlphaFold2在预测蛋白质-蛋白质相互作用、多链复合物及内在无序区域方面的扩展应用。
• 分析了多序列比对和共进化信息在提升预测精度方面的作用。
• 强调了开源代码发布对研究社区中方法论创新的加速作用。

实验结果

研究问题

• RQ1 AlphaFold2如何实现对单结构域蛋白质结构的接近实验精度预测？
• RQ2 哪些方法论创新使AlphaFold2在CASP14中超越以往方法？
• RQ3 后续的AI模型在预测蛋白质复合物和无序区域方面如何改进了AlphaFold2？
• RQ4 AlphaFold2代码的开源发布在多大程度上加速了研究进展？
• RQ5 自AlphaFold2发布以来，蛋白质结构预测的新前沿有哪些？

主要发现

• AlphaFold2实现了对单蛋白结构域三维结构的接近实验精度预测，标志着计算生物学领域的一项重大突破。
• 该方法在多种蛋白质家族中均表现出高精度，显著超越了CASP14中以往的最先进方法。
• 基于AlphaFold2架构的后续模型在预测蛋白质复合物和多链组装体方面进一步提升了预测精度。
• 基于人工智能的方法成功应用于预测内在无序区域，而这类区域此前对结构预测而言极具挑战性。
• AlphaFold2代码的开源极大地推动了研究进展，催生了大量新工具和改进的蛋白质设计模型。
• 该领域经历了根本性转变，如今人工智能已能可靠预测绝大多数有序蛋白质的结构以及许多蛋白质相互作用。