[论文解读] PyMOLfold: Interactive Protein and Ligand Structure Prediction in PyMOL

Colby T. Ford, Arif Ullah+2 more|ArXiv.org|Feb 1, 2025

Machine Learning in Bioinformatics被引用 3

一句话总结

PyMOLfold 是一个开源的 PyMOL 插件，在 PyMOL 内集成基于 AI 的蛋白质结构预测与配体放置，使用 ESM3、Boltz-1 与 Chai-1 等模型从序列预测蛋白质三级结构，并可选地从 SMILES 字符串在预测结构中放置配体。

ABSTRACT

PyMOLfold is a flexible and open-source plugin designed to seamlessly integrate AI-based protein structure prediction and visualization within the widely used PyMOL molecular graphics system. By leveraging state-of-the-art protein folding models such as ESM3, Boltz-1, and Chai-1, PyMOLfold allows researchers to directly predict protein tertiary structures from amino acid sequences without requiring external tools or complex workflows. Furthermore, with certain models, users can provide a SMILES string of a ligand and have the small molecule placed in the protein structure. This unique capability bridges the gap between computational folding and structural visualization, enabling users to input a primary sequence, perform a folding prediction, and immediately explore the resulting 3D structure within the same intuitive platform.

研究动机与目标

• 在 PyMOL 内直接从氨基酸序列预测蛋白质三级结构。
• 将最先进的折叠模型（如 ESM3、Boltz-1、Chai-1）整合到一个可视化工作流中。
• 允许通过 SMILES 字符串在预测的蛋白结构中可选放置小分子配体。
• 提供一个交互式、用户友好的工作流，将计算折叠与 PyMOL 中的结构可视化衔接起来。

提出的方法

• 开发一个灵活的、开源的 PyMOL 插件，与基于 AI 的折叠模型接口。
• 利用如 ESM3、Boltz-1、Chai-1 等蛋白折叠模型从序列预测三级结构。
• 支持输入 SMILES 字符串，在预测的蛋白结构中放置配体。
• 在 PyMOL 内提供一个交互式可视化体验，便于对结果进行即时探索。

实验结果

研究问题

• RQ1 AI 驱动的折叠模型能否直接集成到 PyMOL 中，从序列预测蛋白质结构而无需外部工具？
• RQ2 是否可以在同一个 PyMOL 环境中使用 SMILES 字符串在预测的蛋白结构中放置配体？
• RQ3 集成工作流是否简化了从序列到折叠结构再到结构可视化的转换？
• RQ4 将折叠模型与 PyMOL 可视化结合时有哪些实际限制和可用性考虑？
• RQ5 在 PyMOLfold 插件中，不同模型（ESM3、Boltz-1、Chai-1）在性能和结果方面的比较如何？

主要发现

• PyMOLfold 插件能够在 PyMOL 内直接从氨基酸序列预测蛋白质三级结构。
• 用户可以可选地提供一个 SMILES 字符串，在蛋白结构中放置配体，从折叠到可视化实现衔接。
• 该插件利用如 ESM3、Boltz-1、Chai-1 等最先进的模型来执行折叠预测。
• 该方法强调在 PyMOL 内的无缝集成与对结果的交互式探索。