Protein Design (RFDiffusion)

简介

通过基于扩散概率模型，在蛋白质结构去噪任务上对RoseTTAFold结构预测网络进行微调，得到该蛋白质骨架生成模型，在无条件和拓扑约束的蛋白质单体设计、蛋白质结合物设计、对称低聚物设计、酶活性位点支架以及治疗性和金属结合蛋白设计的对称主题支架上取得了出色的性能。RFdiffusion能够从简单的分子规格中设计出多样的、复合的、功能性的蛋白质，也适用于环肽设计。
模块功能为多场景蛋白设计，如：Motif Scaffolding，Unconditional protein generation，Symmetric unconditional generation (cyclic, dihedral and tetrahedral symmetries)，Symmetric motif scaffolding，Binder design，Design diversification (“partial diffusion”)

参数说明

Custom模式

Reference Protein Structure

设计时的参考蛋白。

Design Type

设计类型，支持2种类型：‘Motif_Scaffold’与’Binder’，分别说明如下：
‘Motif_Scaffold’ 表示基于参考蛋白的骨架结构（由后续参数定义），进行设计。
‘Binder’ 表示基于受体结构进行其Binder蛋白设计。

Number of Designs

指定要设计的结构数量（目前最多支持 100 个）。

Contigs

定义蛋白的设计策略，指定蛋白中的哪部分被随机设计、保留等。
如：该参数设置为 ‘5-15/A10-25/30-40/0 B1-100’ 时，
●’5-15’表示先设计长度为5到15之间（具体多长是随机的，如果要固定长度为10，可以设置为10-10）的motif
●‘/A10-25’表示紧接着从参考蛋白中取A链中编号为10至25的氨基酸，其N端连接到上一段’5-15’设计的motif的C端
●’/30-40’表示紧接着设计长度为30到40之间（具体多长是随机的）的motif，其N端连接到前面已经设计的motif的C端
●‘/0 ’表示链断开，前一条链结束，后续设计会是新的链，注意0后有一个空格！
●‘B1-100’表示从参考蛋白中取B链中编号为1至100的氨基酸，作为新的一条链

注意：

1. 输入的PDB文件中如果存在残基缺失，缺失残基的编号避免出现在Contigs参数中，如：A链缺失编号为45的残基，则A45或A10-50等涵盖45号残基的表示需要避免，A10-50可以修改为A10-44/A46-50；
2. Binder设计时，需要把受体包含在Contigs中，通过’/0’链断开标识来分开受体和Binder，如：需要对含有150个氨基酸的单链受体设计相结合的Binder蛋白，受体链名为A，需要设计70-100个氨基酸长度的Binder蛋白，这里对应的Contigs的内容应填入’A1-150/0 70-100’，其中’A1-150’表示受体蛋白，'/0 '表示隔断受体与设计的Binder蛋白的直接肽键相连接，'70-100’表示设计的Binder蛋白长度为70-100个氨基酸。
3. Contigs和Hotspot Residues中参数设定的残基序号需填写原始PDB文件中的序列编号。进行抗体计算时如果存在插入编号的情况，可以先用PDB ReNumbering进行PDB重编号。

Hotspot Residues

在binder模式下可以指定受体中的热点残基，格式为"链名称"，“氨基酸残基”，如：‘A59,A83,A91’。

Symmetry

设计对称蛋白，参数值为C_N或D_N，其中C表示循环对称(Cyclic symmetry)，D表示二面体对称(Dihedral symmetry)，N表示单体的数量。如：C2表示设计包含2个单体的循环对称蛋白。
注意：在进行对称蛋白设计时，Contigs参数的设置要与之匹配，如：Symmetry为C2时，Contigs参数的设置应该符合两条链。

Binder模式

Reference Protein Structure

设计时的参考蛋白。

Index Type

为后续参数（Receptor, Initial Binder, Hotspot）中定义的氨基酸残基的索引设置类别。
有两种选择：UID或者POS，UID表示PDB文件中自带的残基编号，该编号可能存在间断不连续，不从1开始等情况；POS表示位置编号或自然顺序编号，从1开始按顺序进行编号。
该参数的默认值为UID。

Receptor Range

定义受体蛋白，从参考蛋白中选定哪部分作为受体蛋白，格式为“链名称+残基编号或范围”，多段残基用逗号分隔。例如：参数设置为A1-50,A70-100,A105,A108,B1-108时，表示：
选取参考蛋白的A链中残基编号为1至50、70至100、105与108的残基，以及B链位置编号1至108的残基作为受体。
注意：这里输入的残基编号应与参数Index Type中的编号类别一致。

Length of Binder

定义Binder蛋白的长度，可以是确定的长度，或长度范围，例如：设置为20或20-50时，
20表示Binder蛋白的长度为20个残基；
20-50表示Binder蛋白的长度范围为20至50个残基，具体长度视最终设计结果为准。

Number of Designs

指定要设计的结构数量（目前最多支持 100 个）。

Initial Binder

指定结构中初始的Binder，从参考蛋白中选定哪部分是初始的Binder蛋白，模型会在不改变初始Binder的前提下，进一步延长Binder。例如：参数设置为B1-10时，表示：
指定参考蛋白中的B链残基编号为1至10的残基为初始Binder蛋白，模型会以此为基础进行延长设计。

Hotspot Residues

指定受体中的热点残基作为binder蛋白的结合位置，格式为“链名称+残基编号或范围”，多段残基用逗号分隔，例如：A59-61,A83,A91，表示：
指定A链编号为59至61、83及91的残基为binder蛋白的结合位置。

Scaffolding&Infilling模式

Reference Protein Structure

设计时的参考蛋白。

Index Type

为后续参数（Design Range）中定义的氨基酸残基的索引设置类别。
有两种选择：UID或者POS，UID表示PDB文件中自带的残基编号，该编号可能存在间断不连续，不从1开始等情况；POS表示位置编号或自然顺序编号，从1开始按顺序进行编号。
该参数的默认值为UID。

Design Range

定义需要设计的蛋白骨架范围，从参考蛋白中选定哪部分进行设计，格式为“链名称+残基编号或范围”，多段残基用逗号分隔。例如：参数设置为A1-50,A70-100,A105,A108,B1-108时，表示：
选取参考蛋白的A链中残基编号为1至50、70至100、105与108的残基，以及B链编号1至108的残基进行骨架优化设计。
注意：这里输入的残基编号应与参数Index Type中的编号类别一致。

Number of Designs

指定要设计的结构数量（目前最多支持 100 个）。

Length

为参数Design Range中的每段残基，定义其设计的长度，多个长度用逗号分隔。如不设置该参数，表示按Design Range中的原始长度进行设计。
注意：长度的数量要与上述Range参数中残基段的数量一致，且顺序对应。长度可以有多种不同的取值：

• 非负整数，其中0表示该段残基会被忽略掉，不进行设计；其他正整数表示该段残基区域设计的长度。
• 字母N，表示该段残基区域设计时，长度不变。
• 长度范围，如5-10,表示该段残基设计时，长度在5-10个残基的范围内变化，具体长度看最终设计结果。
  长度定义的示例如下：
  N,5-10,15表示定义了3个长度（对应的Design Range参数中的残基段应该也是3个），第1段残基设计时保持长度不变，第2段残基设计时的长度范围为5-10，第3段残基设计时的长度为15。

Other Design Mode

其他设计模式，可选为Fix，表示固定上述定义的Design Range不变，对结构中的所有其他区域进行设计。

Fluctuation Length

当其他设计模式设置为Fix时，会对其他区域进行设计，设计时会在其他区域的原长度基础上做长度变动，该参数即为长度变动的大小，默认为5，即在原长度的基础上减少或增加5个残基。

RFPeptide模式

Reference Protein Structure

设计时的参考蛋白。

Index Type

为后续参数（Receptor, Hotspot）中定义的氨基酸残基的索引设置类别。
有两种选择：UID或者POS，UID表示PDB文件中自带的残基编号，该编号可能存在间断不连续，不从1开始等情况；POS表示位置编号或自然顺序编号，从1开始按顺序进行编号。
该参数的默认值为UID。

Receptor Range

定义受体蛋白，从参考蛋白中选定哪部分作为受体蛋白，格式为“链名称+残基编号或范围”，多段残基用逗号分隔。例如：参数设置为A1-50,A70-100,A105,A108,B1-108时，表示：
选取参考蛋白的A链中残基编号为1至50、70至100、105与108的残基，以及B链位置编号1至108的残基作为受体。
注意：
1.这里输入的残基编号应与参数Index Type中的编号类别一致。
2.同一链内的所有残基或范围必须按残基编号升序排列

Length of Cyclic Peptide

定义环肽的长度，可以是确定的长度，或长度范围，例如：设置为10或12-18时，
10表示环肽蛋白的长度为10个残基；
12-16表示环肽的长度范围为12至16个残基，具体长度视最终设计结果为准。

Hotspot Residues

指定受体中的热点残基作为binder蛋白的结合位置，格式为“链名称+残基编号或范围”，多段残基用逗号分隔，例如：A59-61,A83,A91，表示：
指定A链编号为59至61、83及91的残基为binder蛋白的结合位置。

结果说明

设计得到的复合物结构pdb文件。

注意：

• 设计得到的为聚甘氨酸（poly-G）序列，这并不是错误。因为RFdiffusion是一种骨架生成模型，不会为设计的区域生成序列，因此必须使用另一种方法为Binder生成合适的序列。这里推荐采用ProteinMPNN进行序列设计（WeMol中已部署该模块，使用这里生成的整体复合物PDB进行序列设计即可）。
• 输出的PDB文件从1开始重新编号。

参考文献

• Joseph L. Watson, David Juergens, Nathaniel R. Bennett, et. al. Broadly applicable and accurate protein design by integrating structure prediction networks and diffusion generative models. bioRxiv 2022.12.09.519842.DOI:10.1101/2022.12.09.519842