EPFL的科学家开发了PeSTo，这是一种人工智能模型，可以高度自信地预测蛋白质与其他蛋白质、核酸、脂质、离子和小分子结合时的结合界面。该模型的低计算成本能够处理大量结构数据，为新的生物学发现开辟了机会。该研究发表在《自然通讯》杂志上。

蛋白质对大多数生物体的生物学功能至关重要。它们已经进化为与其他蛋白质、核酸、脂质等相互作用，所有这些相互作用形成了大的“超分子”复合物。这意味着了解蛋白质相互作用对于了解许多细胞过程至关重要。

EPFL的MatteoDalPeraro小组的科学家向前迈出了一大步，他们开发了一种名为PeSTo(蛋白质结构转换器的缩写)的新工具，可以预测蛋白质表面可以与其他蛋白质相互作用的特定区域，但是还有核酸、脂类、离子和小分子。这些界面对于超分子复合物的形成和功能调节至关重要。

PeSTo建立在基于变压器技术的神经网络之上。在机器学习的背景下，Transformer是一种神经网络，旨在通过使用自注意力机制来权衡输入序列不同部分的重要性并进行预测来处理自然语言等序列数据。该技术由谷歌大脑于2017年推出，现在已成为许多现代人工智能工具的核心。

PeSTo是如何运作的?

“该模型通过检查所有附近的原子来评估每个原子的化学和物理环境，”PeSTo的主要开发者LucienKrapp说。“使用自我注意机制，它专注于蛋白质结构内的重要原子和相互作用。这意味着这种方法有效地捕获了蛋白质结构内的复杂相互作用，从而能够准确预测蛋白质结合界面。”

因为PeSTo的预测完全基于空间位置和原子类型，所以它可以做出预测，而无需使用额外的外部方法来描述蛋白质界面的物理和化学。这消除了预先计算分子表面和其他属性的“开销”，使其比当前方法更快、更稳健且更通用。

这也意味着PeSTo可以运行得足够快以处理大量蛋白质结构数据，例如来自分子动力学模拟或整个折叠体的集合。最终，这可以更快地发现在通过实验解决的传统静态结构中看不到的界面。

PeSTo优于其他预测蛋白质相互作用界面的方法，并且可以高度可信地预测与核酸、脂质、配体、离子和小分子的相互作用。该模型的低计算成本使其成为科学界的宝贵工具。

PeSTo应用于人类折叠

研究人员在人类折叠组上释放了PeSTo，这是一个不断增长的预测蛋白质结构数据库。他们分析了人类蛋白质与其他分子的相互作用，并提供了有关人类“界面组”的详细信息——人体中所有蛋白质相互作用界面的总和。为此，研究人员使用了AlphaFold欧洲生物信息学研究所(AF-EBI)数据库。

研究人员在用户友好的网络服务器上提供了PeSTo，免费且需事先注册。服务器可以采用PDB格式的任何蛋白质结构。预测的界面可以直接在浏览器中可视化，并提供有关基于每个残基的预测置信度的附加信息。

科学家们强调了PeSTo相对于旧方法的众多优势，特别是它可以与各种分子一起工作，而无需了解有关其化学和物理的所有细节。这使得PeSTo成为研究分子系统及其相互作用的更灵活、更强大和通用的工具。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：蛋白质PeSTo结构