| 编号 | 377 | |
| 名称 | Structure Evolution | |
| 封面 |  | |
| 描述 | 基于ESMIF模型实现，ESMIF逆折叠模型旨在根据蛋白质主链原子坐标预测蛋白序列，可用于亲和力成熟和稳定性优化。 | |
| 标签 |
| |
| 作者 | VARUN R. SHANKER | |
| 发布时间 | 2024-07-29 16:11:04 | |
| 参考文献 | Varun R. Shanker et al., Unsupervised evolution of protein and antibody complexes with a structure-informed language model. Science,385,46-53(2024). | |
- 简介
- 参数说明
- Structure PDB File
- Target Chain
- Positions
- Min Mutations
- Max Mutations
- Max Substitutions
- Predicted Mutation Probability
- Numbering Type
- TopN
- Output_Chain_Seq
- Output_Cpx_Seq
- 结果说明
- 参考文献
Structure Evolution
简介
Structure Evolution模块基于ESMIF模型实现，ESMIF逆折叠模型旨在根据蛋白质主链原子坐标预测蛋白序列。该模型使用AlphaFold2预测的1200万个蛋白质结构进行训练，包含不变几何输入处理层，随后是一个序列到序列的Transformer，对于在结构上保持不变的主干序列实现51%的本地序列恢复率，对于埋藏残基实现72%的恢复率。该模型还经过跨度屏蔽训练，能够容忍缺失的主链坐标，因此可以预测部分被屏蔽结构的序列。该模块既可以用于亲和力成熟，也可以用于稳定性优化。
参数说明
Structure PDB File
蛋白的结构文件，PDB格式，支持单体或复合物结构
Target Chain
用于进化分析的链名称，支持输入多链，逗号分隔，如：A,B
Positions
指定目标链中的多个残基，进行多点突变分析。使用残基位置编号(从1开始)，多个残基用逗号分隔，指定残基范围用横杠符号。如：“3,10,24-30”表示目标链上的第3、第10与第24至30号残基，参与多点突变分析。
当参数Target Chain指定多链时，不同链的残基需要带上链名，如：A3,A10,B24-30，如不设置链名，表示多条链上都指定相同位置的残基。
注意：
- 如不设置该参数，表示采用目标链的全长序列进行突变分析。
- 多链时，突变分析是对每条链单独进行，不会进行跨链的突变分析（当前模型不支持）
Min Mutations
指定突变点最小数目，默认值为1，表示从单点突变开始进行突变分析。如设置为2，表示从两点组合突变开始进行突变分析。
Max Mutations
指定突变点最大数目，默认值为3，表示至多进行三点组合突变。如设置为2时，表示最多进行两个点的多点组合突变。
Max Substitutions
指定参与多点突变分析的每个残基，其最大的替换数目，默认为5，表示每个残基最多突变为5种不同的其他残基。
备注：理论上，每种残基可以突变为其他19种天然残基，但因多点突变可能引起的组合爆炸，这里我们限制了最大替换数目。每个残基具体替换的其他残基类别，会根据ESMIF模型给出的该位置残基的概率分布，优先选择概率高的残基类别。
Predicted Mutation Probability
输出CSV文件名称，包含了突变以及对应的突变的可能性。
Numbering Type
抗体编号规则，支持Kabat, Chothia和IMGT，默认为Kabat。
TopN
指定输出评分最优的前N个突变对应的序列，默认为100。
Output_Chain_Seq
输出TopN对应的突变链的序列，默认为mutant_seqs.fasta。
Output_Cpx_Seq
输出TopN对应的复合物序列，复合物中各链之间用冒号:分隔（Boltz2结构预测的批量模式），默认为mutant_seqs_complex.fasta。
结果说明
输出结果文件，包含以下信息：
| 列名 | 说明 |
|---|---|
| Mutation | 单点突变信息，如：'WT’表示野生型原序列，'G1A’表示序列编号为1的残基甘氨酸G，突变为丙氨酸A，序列编号从1开始按顺序编号（非PDB文件中的残基序号） |
| Log_likelihood | 输入结构的全部序列对应的模型预测概率对数值，越大表示该突变序列越好 |
| Log_likelihood_target_chain | 输入结构的目标链序列（对应参数Target Chain）对应的模型预测概率对数值，越大表示该突变序列越好 |
| Interface | 用于标识残基是否位于分子接触界面。留空表示不进行界面计算；取值为 0 表示该残基不属于接触界面；取值为 1 表示该残基属于接触界面 |
| Domain(Chothia) | 当输入为抗体序列或结构时，根据 Chothia 定义输出对应的FR（Framework Region）和CDR（Complementarity-Determining Region）区域注释 |
| Likelihood(ESMIF) | Log_likelihood列进行去log，同时减去WT数值后的值，其数值大于0表示该突变优于WT，越大越好。 |
| Likelihood_target_chain(ESMIF) | Log_likelihood_target_chain列进行去log，同时减去WT数值后的值，其数值大于0表示该突变优于WT，越大越好。 |
注释：当输入结构为单链时，Log_likelihood与Log_likelihood_target_chain数值一致。当输入结构为复合物时，Log_likelihood对应的是复合物的全部序列的概率值，Log_likelihood_target_chain对应的是复合物中目标链序列（参数Target Chain）对应的概率值。
输出TopN对应的突变链的序列mutant_seqs.fasta。
输出TopN对应的复合物序列mutant_seqs_complex.fasta，复合物中各链之间用冒号:分隔（Boltz2结构预测的批量模式）。
参考文献
- Varun R. Shanker et al., Unsupervised evolution of protein and antibody complexes with a structure-informed language model. Science, 385, 46-53 (2024).DOI: 10.1126/science.adk8946
