跳到主要内容
返回时间线
arXiv来源发表:

结构置信度挑蛋白失灵:高置信度设计表达率97%,却只有16.7%结合铽

核心概要

在镧系结合蛋白lanmodulin的稀土结合变体设计中,按结构置信度筛选出的候选在表达率97%的情况下只有16.7%结合铽,而用实测金属结合数据训练的功能模型筛出的候选结合率为83.3%。结构置信度指标无法在三个设计组内一致地把结合者排在非结合者之前,功能模型预测值则在每一组都给出0.79至0.92的ROC AUC。该比较固定在同一蛋白家族内,功能模型主要用lanmodulin变体训练。

Source-provided article image: Confident and Wrong: Structure Confidence Is a Poor Selection Filter for Protein Function
arXiv

深度剖析

以结构置信度作为筛选标准,反而选出结合率最低的一批稀土结合蛋白设计。 结构置信度指标此前被当作无需实测就能给候选排序的设计过滤器,pLDDT一类分数因此进入设计流程。 结构置信度组93个设计中90个表达、15个结合铽,占16.7%(95%置信区间10.4至25.7);功能引导组100个设计中96个表达、80个结合,占83.3%(74.6至89.5),两组结合几率比为25.0。

功能模型直接由序列、金属离子、缓冲液与测定条件预测结合强度,并据此生成新序列。 这条路线不先预测三维结构再靠人工结构解释推导功能,而是把实测解离常数当作训练标签。 模型在约2500个自测蛋白上训练,其中大量为lanmodulin变体;三个设计组共297个设计针对铽和镝筛选,功能模型预测值在每一组内区分结合与非结合的ROC AUC为0.79至0.92。

在本次设计目标铽/镝选择性上,功能引导设计的分布高于天然lanmodulin同源蛋白集合。 天然同源蛋白集合的中位选择性为1.26,野生型lanmodulin约为1.4。 功能引导设计中位选择性1.70,与149个同源蛋白比较的优越概率为83.9%;共生成组中位1.38,结构置信度组中位1.42,后者与同源蛋白集合不可区分。

启示与展望

结论限于lanmodulin这一蛋白家族:功能模型主要用lanmodulin变体训练、也在lanmodulin变体上评估,因此展示的是同域内实测功能数据优于同域内的零样本结构置信度。三个设计组在生成方法上也不同,结合率差距有一部分来自各方法偏离已知可用骨架的程度。测量数据与分析代码归Aether Biomachines所有,未公开。

三个设计组的结合率比较是在测量完成后才指定的,且未做多重比较校正,与预先指定的选择性分析不同。结构置信度组只有15个结合者,其组内秩相关统计功效不足。铽/镝选择性比值需要两种金属的测量都成功解析,因此选择性分析中的样本数低于结合者计数。