[论文解读] Technical Report of HelixFold3 for Biomolecular Structure Prediction

Lihang Liu, Shanzhuo Zhang+11 more|arXiv (Cornell University)|Aug 30, 2024

Machine Learning in Bioinformatics被引用 18

一句话总结

HelixFold3 旨在通过预测配体、核酸和蛋白质结构来复现 AlphaFold3 的能力；它已开源用于学术研究，且在多种生物大分子靶标上显示出与 AlphaFold3 相当的精度。

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.

研究动机与目标

• 旨在复现 AlphaFold3 在生物大分子结构预测方面的能力。
• 使用多样化数据集评估 HelixFold3 在配体、核酸和蛋白质上的表现。
• 提供供学术用途的开源推断代码和模型参数。

提出的方法

• 借鉴 AlphaFold3 及早期 HelixFold 模型（HelixFold、HelixFold-Single、HelixFold-Multimer、HelixDock）的见解。
• 在 2021 年 9 月 30 日之前发布的 PDB 目标及自蒸馏数据上进行训练。
• 使用多种种子和采样步骤的扩散推断以最大化预测准确性。
• 评估置信度指标（pLDDT、pAE、pTM），并将其与实际精度相关联。

实验结果

研究问题

• RQ1 HelixFold3 是否能够在常规配体、核酸和蛋白质方面达到可与 AlphaFold3 相当的准确性？
• RQ2 置信度分数与不同生物大分子类别的实际结构准确性之间的相关性如何？
• RQ3 随机种子、扩散迭代次数和采样步骤对预测质量有何影响？
• RQ4 在配体、核酸，以及蛋白质-蛋白质相互作用方面，HelixFold3 相对于专门基线的表现如何？

主要发现

• 在配体方面，HelixFold3 在 PoseBusters 基准测试上取得较高的预测成功率，且在准确性上接近 AlphaFold3。
• 对于核酸，在 CASP15 RNA 目标中，HelixFold3 在全自动模型中与 AlphaFold3 相匹配，并且在更广泛的 PDB 数据集上超越 RoseTTAFold2NA 与 RoseTTAFold-AllAtom。
• 在蛋白质方面，HelixFold3 在蛋白质-蛋白质界面上优于 AlphaFold-Multimer，并且接近 AlphaFold3，正在计划进一步优化。
• 置信度指标（pLDDT、pAE、pTM）在配体、蛋白质复合物、RNA 和 DNA 数据集上与实际精度呈现出强相关性。
• 在 GitHub 的开源发布（学术非商业用途）以及在线 PaddleHelix 服务，使更广泛的研究使用成为可能。