产物空洞

-卵白质互作（PPI）在动植物生物学中饰演了枢纽脚色，它们开动了好多细胞功能和生物过程。因此，识别卵白质间的互作对于瓦解生物机制及建筑药物和生物工夫应用至关进军。传统的筛选措施（如Y2H、COIP等）考证卵白互作频频耗时长、放胆低，况兼需要多数的践诺资源。为了提高筛选放胆，频年来高通量虚构筛选工夫和AI模子的跳跃使得基于结构和序列的互作量度成为了可能。

本产物旨在哄骗前沿的生成模子RFdiffusion从新假想东谈主造高互作卵白质，并集合Foldseek、HDOCK和AlphaFold 3等先进器具，对自然卵白质进行筛选和考证。咱们将这套新式运筹帷幄责任经过定名为InterProDesign（IPD，Interaction Protein Design）。通过IPD简略愈加高效且精确地筛选出与钓饵卵白相互作用的自然卵白，为进一步的践诺考证提供进军参考。

产物经过

参考文件兼并该运筹帷幄责任经过践诺考证顺利率越过78%，为商榷动植物生物机制提供进军的结构生物学信息。

1

RFdiffusion假想互作卵白

基于已知钓饵卵白集合热门的判断，从新假想10条不同长度的高互作卵白质。

2

Foldseek搜索自然卵白

在指标物种的卵白质三维结构数据库，比对寻找结构一样的自然卵白，（仅保留

bit score>50的匹配放胆），并按分数上下排序（最多前100）。

3

集合能评价和全体结构评估

对于上一轮Foldseek筛选出的高分自然卵白，ag百家乐老板使用HDOCK器具评估它们与钓饵卵白之间的量化集合能，筛选出集合能较高的自然卵白。接着，使用AlphaFold 3进一步评估这些互作卵白与钓饵卵白的全体复合结构的置信度。

进取滑动检察更多

拟录用放胆暗示

NEW TECNOLOGY

如图1，数据总表中包括扫数要道的汇总放胆。红色方框内是RFdiffusion 基于钓饵卵白所自主假想的10条互作卵白序列，并将东谈主造卵白与钓饵卵白对接评估。

绿色方框内是Foldseek 凭据假想卵白从待选物种库内筛选得回的结构一样自然卵白。其中也存在东谈主造卵白莫得bit score大于50的自然卵白。

蓝色方框内是钓饵卵白与候选自然卵白从量化集合能和全体置信度评估的放胆，肃穆互作的高评分卵白已标红强调，不错为后续践诺考证提供请示。

如图2所示，是扫数候选卵白的防护信息，包括卵白质的ID、基因称呼、序列、物种、亚细胞定位、功能注视和所属眷属。

图1: 数据总表暗示图

图2: 候选卵白注视信息

产物上风

NEW TECNOLOGY

1

改变型运筹帷幄措施

本产物基于运筹帷幄模子的量度与筛选经过，不错大幅裁减筛选时期并减少践诺责任量。通过RFdiffusion、Foldseek、HDOCK和AlphaFold等器具的集合，简略在早期阶段快速量度出与钓饵卵白可能发生互作的候选卵白。多维度评估使得最终筛选出的互作卵白愈加可靠，进步了后续践诺考证的顺利率。

2

结构导向型的精确筛选

本产物更多依赖卵白质的三维结构进行筛选。结构一样性在跨物种或功能各类性大的卵白质互作中的至关进军。基于结构的筛选措施简略识别出那些序列一样度低但具有一样功能的卵白质。

参考文件

1.Watson, J. L., et al. (2023). De novo design of protein structure and function with RFdiffusion. Nature, 620, 1089-1099.

2.Haley, O. C., Harding, S., Sen, T. Z., Woodhouse, M. R., Kim, H.-S., Andorf, C. (2024). Application of RFdiffusion to predict interspecies protein-protein interactions between fungal pathogens and cereal crops. bioRxiv, doi: 10.1101/2024.09.17.613523.

3.Watson, J. L., Juergens, D., Bennett, N. R., Trippe, B. L., Yim, J., Eisenach, H. E., ... & Baker, D. (2023). De novo design of protein structure and function with RFdiffusion. Nature, 620(7685), 1089-1098.

4.Baek, M., DiMaio, F., Anishchenko, I., Dauparas, J., Ovchinnikov, S., Lee, G. R., ... & Jumper, J. (2021). Accurate prediction of protein structures and interactions using a three-track neural network. Science, 373(6557), 871-876.

5.Lin, Z., Rigden, D. J., & McGuffin, L. J. (2023). Language models of protein sequences at the scale of evolution enable accurate structure prediction. Science, 379(6631), 1123-1130.

6.Dauparas, J., Anishchenko, I., Bennett, N. R., Bai, H., Ragotte, R. J., Milles, L. F., ... & Baker, D. (2022). Robust deep learning-based protein sequence design using ProteinMPNN. Science, 378(6615), 49-56.

对于科晶生物

合肥科晶生物奋勉于运筹帷幄机虚构筛选鼓动生物学发展，匡助筛选互作卵白、转录因子、潜在药物以及纳米抗体。

福利来袭！

科晶生物论文出图

免费卵白互作分析等您来领！

0551-64669001

扫码添加客服，即可领取！

NEWS

AI DOCKING

• ag百家乐
• 家乡
• 卵白
• 从新
• RFdiffusion