| 编号 | 203 | |
| 名称 | Protein Inverse Folding (ProteinMPNN) | |
| 封面 |  | |
| 描述 | 基于ProteinMPNN模型实现基于给定的蛋白骨架结构生成合理的序列。本模块也集成了基于ProteinMPNN使用抗体数据微调得到的AbMPNN模型，可更好地进行抗体设计。建议通过WeView三维结构可视化编辑器来使用该功能，具体为WeView-> Design -> Sequence Design (ProteinMPNN)。 | |
| 标签 |
| |
| 作者 | Dauparas J, Anishchenko I, Bennett N, et al. | |
| 发布时间 | 2022-08-17 23:23:03 | |
| 参考文献 | Dauparas J, Anishchenko I, Bennett N, et al. Robust deep learning-based protein sequence design using ProteinMPNN. Science. 2022 Oct 7;378(6615):49-56. | |
- 简介
- 参数说明
- Design
- PDB File
- Chain
- Number of Sequences
- Sampling Temp
- Position Type
- Position
- Omit_AAS
- Bias_AAS
- Design Mode
- Save Probablility
- Mutant Summary
- Mutant Fasta (Batch)
- Score
- PDB File
- FASTA File
- Chain
- 结果说明
- Design模式
- Score模式
- 参考文献
Protein Inverse Folding (ProteinMPNN)
简介
ProteinMPNN是一种基于深度学习的蛋白质序列设计方法，在天然蛋白质骨架上，ProteinMPNN的序列恢复率为52.4%，而Rosetta为32.9%。在训练过程中加入噪声可以提高蛋白质结构模型的序列恢复率，并且产生的序列可以更稳健地编码它们的结构。X射线晶体学、低温电镜和功能研究也证明了ProteinMPNN的广泛实用性和高准确性，它成功挽救了以前用Rosetta或AlphaFold设计失败的蛋白质单体、环状同源多聚体、四面体纳米颗粒和目标结合蛋白等。
在ProteinMPNN的基础上，Exscientia提出了一种针对抗体结构进行优化的微调逆折叠模型AbMPNN，该模型在抗体序列恢复和结构稳健性方面优于通用蛋白质模型，尤其在超可变区CDR-H3环上有显著改进。
参数说明
Design
PDB File
蛋白的结构文件，PDB格式。
Chain
指定需要设计的链，多条链用逗号分割，例如：‘A,B’。
Number of Sequences
输出设计的序列数目。
Sampling Temp
氨基酸采样温度，T=0.0表示取argmax，T>>1.0表示随机采样。建议的取值为0.1、0.15、0.2、0.25、0.3。较高的值会导致更多的多样性。当需要设计的序列数目较大时，为了获取较多多样性（不重复）序列，建议增大该参数，如设置为0.25
Position Type
设计残基模式：固定（Fix，指定下一步Position中的残基在设计时保持不变）或者设计（Design，指定下一步Position中的残基可进行设计而其他未指定残基在设计时保持不变）。默认：Fix。
Position
可选参数，用于指定需要操作的氨基酸位置。根据 Position Type 的设置，对选定的氨基酸进行固定或设计。
输入格式为：链名 + 残基编号范围，例如：
A1-10,A30,B12-25
注意:
- 氨基酸编号从 1 开始计数，而非 PDB 文件中的原始编号；
Chain与Position两个参数必须至少填写一个。
Omit_AAS
可选参数，指定在生成的结果序列中不许出现的氨基酸种类。
Bias_AAS
可选参数，通过数值控制生成结果中各类型残基的偏向性，文本文件格式，通过残基类型,数值来指定，支持多种残基，每行放置一类残基，如：
H,1.5
D,1.0
C,-1.0
残基偏向性数值意义：
0，表示没有偏向性（默认）小于0，表示少出现大于0，表示多出现- 数值的绝对值越大，对应的偏向程度越高。推荐的绝对值，如：
0.5，1.0，1.5
Design Mode
可选参数，可指定设计时参考的模式。具体含义如下：
Homomer：基于同源多聚体进行序列设计；
use_soluble_mode：基于可溶蛋白模型进行序列设计；
antibody_design：基于抗体优化模型AbMPNN进行序列设计；
ligandMPNN：升级版ProteinMPNN,专门用于模拟蛋白质与非蛋白质组分（如小分子、核苷酸和金属）之间的相互作用。
cyclic：环肽的逆折叠序列设计
triple：使用三种模型（基础模型，–soluble，–antibody）分别进行设计，合并结果。
Save Probablility
MPNN预测的每个位置的概率：0为不进行预测，1为进行预测。
Mutant Summary
输出包含突变信息CSV文件mpnn_mutants.csv
Mutant Fasta (Batch)
输出batch格式的fasta文件mpnn_mutants_batch.fasta
Score
PDB File
蛋白的结构文件，PDB格式。
FASTA File
蛋白PDB突变序列文件，FASTA格式。
Chain
指定需要设计的链，多条链用逗号分割，例如：‘A,B’。
结果说明
Design模式
输出结果文件result.fasta，包含最终设计的序列。
序列名称中包含多个评价指标：
- Score：设计残基的概率评分，通常分值越小越好。概率评分是设计残基平均概率的负对数（-logP），因此评分越小意味着平均概率值越大。
- Global Score：序列中所有残基的整体概率评分，通常分值越小越好。概率评分是设计残基平均概率的负对数（-logP），因此评分越小意味着平均概率值越大。
- seq_recovery：序列恢复率（与原序列的相似程度），0-1之间，越高表示与原序列越相似
- 输出最优（打分最佳）的复合物序列
complex.fasta - 指定参数
Save Probablility时，输出probs.tar.gz，包含预测的每个位置的概率。
指定参数--ligandMPNN时，result.fasta序列名称包含指标：
- overall_confidence：设计序列的全序列的置信度评分，数值在0~1.0之间，数值越大表示序列置信度越高
- ligand_confidence：设计序列的所有已设计残基的置信度评分，数值在0~1.0之间，数值越大表示已设计部分序列的置信度越高
- seq_rec：序列恢复率（与原序列的相似程度），0-1之间，越高表示与原序列越相似
- 指定参数
--pack_side_chains时，输出设计后的结构打包文件packed_side_chains.tar.gz，包含最终设计的序列对应的复合物结构PDB文件。
输出batch格式的fasta文件mpnn_mutants_batch.fasta
输出包含突变信息CSV文件mpnn_mutants.csv
| 列名 | 说明 |
|---|---|
Name |
突变体名称，格式为 链名_突变1_突变2_...，每个突变以"原始氨基酸+位置编号+突变氨基酸"表示（如 L5V 表示第5位亮氨酸突变为缬氨酸） |
Replica |
重复编号（当前均为第1次重复） |
Score |
平均序列得分（负对数似然，越低表示序列与结构兼容性越好） |
Global_Score |
全局得分（对整条链评分，越低越好） |
Score模式
输出蛋白质序列设计的汇总结果，score_summary.csv和score_summary.tsv，score_summary.csv包含信息如下：
| 列名 | 说明 |
|---|---|
Name |
序列名称 |
Score |
平均序列得分（负对数似然，越低表示序列与结构兼容性越好） |
Global_Score |
全局得分（对整条链评分，越低越好） |
score_summary.tsv包含信息如下：
| 列名 | 说明 |
|---|---|
sequence_name |
序列标识符 |
npz |
对应的打分结果文件路径（.npz 格式） |
score_mean |
多次前向传播的平均得分（负对数似然，越低表示序列与结构兼容性越好） |
score_std |
得分的标准差（反映多次打分结果的稳定性） |
global_score_mean |
多次前向传播的全局得分均值（对整条链评分，越低越好） |
global_score_std |
全局得分的标准差 |
n_forward |
前向传播次数 |
参考文献
- Robust deep learning based protein sequence design using ProteinMPNN，bioRxiv 2022.06.03.494563DOI:10.1101/2022.06.03.494563v1
- AbMPNN: https://arxiv.org/abs/2310.19513
- Justas Dauparas, Gyu Rie Lee, Robert Pecoraro, Linna An, Ivan Anishchenko, Cameron Glasscock, D. Baker. Atomic context-conditioned protein sequence design using LigandMPNN. bioRxiv 2023.12.22.573103;DOI:10.1101/2023.12.22.573103
