不训练口袋预测头也能找结合位点:同一蛋白反复共折叠16种配体,255个标注位点找回176个
核心概要
Rowan 团队尝试了一种不做专门训练的口袋检测做法:对同一蛋白用 Boltz-2 反复共折叠16种化学性质各异的配体,再把各次预测的配体位置对齐到同一参考结构上合并成口袋建议。在210个 PocketWatch 蛋白、255个标注位点上,按原论文的 N+2 指标,这种做法找回176个位点(69.0%),高于单独 zPocket 的138个(54.1%)和 P2Rank+zPocket 混合方法的158个(62.0%)。不过实验没有把探针多样性的作用与重复共折叠本身分开,且只取排名第一的建议时,各方法表现接近。
深度剖析
口袋检测可以不做专门的口袋预测头:把同一蛋白与多种配体反复共折叠,再把各次预测的配体位置合并,就能给出可用的结合位点建议。 此前 Genesis Molecular AI 的预印本 zPocket 是在冻结的共折叠特征之上训练一组口袋预测头,前提是共折叠嵌入已包含结合位点信息;这条路线需要额外的训练环节。 在210个 PocketWatch 蛋白、255个标注位点上,按 N+2 指标,共折叠探针找回176个位点(69.0%),单独 zPocket 为138个(54.1%),P2Rank+zPocket 混合方法为158个(62.0%)。
做法是把配体当作探针:同一蛋白序列与源多序列比对保持不变,换用16种分子形状和官能团各异的配体分别共折叠,让模型在不同配体下给出不同的容纳位置。 Boltz-2 这类共折叠模型会给出蛋白与配体的联合结构,即使该配体未必真的结合;对口袋检测而言,这些摆放本身可能仍带有蛋白何处能容纳结合分子的信息。 16种探针由 GPT-6 Astra 挑选,覆盖不同分子形状与官能团,并在 PocketWatch 蛋白子集上有一定的口袋发现表现;运行中未使用靶点特异的配体选择、口袋位置提示或实验模板。
各次预测先按配体重原子附近5 Å内的蛋白残基做局部对齐,把探针搬到同一参考结构的坐标系,再以配体重原子4.5 Å内的原子确定建议中心。 局部对齐只拟合配体附近的残基,避免远处结构域的运动主导对齐误差;对齐均方根偏差超过5 Å的摆放被丢弃。 剩余建议按配体 ipTM 与配体重原子 pLDDT 的均值乘积排序,并剔除距已保留的更高排名中心4 Å以内的建议;在验证集2240个摆放中,锚点不足三个非共线残基或局部对齐均方根偏差超限的检查共剔除272个。
启示与展望
评估覆盖210个 PocketWatch 蛋白和255个标注位点,其中70个来自开发阶段、140个为后续加入,附录 A 分别报告两组结果;所有方法都以 zPocket 与 P2Rank 使用的同一 ESMFold2 预测结构为参考,未使用实验结构作为预测参考。
这些实验没有把探针多样性的收益与重复共折叠本身的收益分开,作者提出可用16次同一探针、不同随机种子的运行作对照;PocketWatch 的标注来自实验结构,但不完备,漏掉标注的预测未必是差预测,且标注位置需经局部对齐映射到预测结构上,局部形状不同时位置存在不确定性。
