Mutation Energy of Stability (ThermoMPNN)

简介

Mutation Energy of Stability (ThermoMPNN)模块基于ThermoMPNN模型实现，此深度神经网络模型可根据蛋白初始结构，预测单点突变对应的稳定性变化。模型使用从ProteinMPNN（一种深度神经网络模型，可根据蛋白质的三维结构预测其氨基酸序列）中提取的结构特征，在已建立的基准数据集上实现了优秀的预测性能。通常认为，ddG < -0.5 kcal/mol 可能是一个有利于稳定性的突变。ThermoMPNN 在 Fireprot（HF）数据集上的正预测值为 56%（34/61 个预测为稳定的突变），在 Megascale 数据集上为 46%（1,312/2,852）。

模型架构与数据集分析如下图所示：

模型预测效果与其他方法效果比较见下图：

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

用于稳定性突变分析的链名称，支持多链。

Numbering Type

抗体编号规则，支持Kabat, Chothia和IMGT，默认为Kabat。

TopN

指定输出能量最优的前N个突变对应的序列，默认为100。

Output

输出文件名称，默认pred_res.csv。

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分号: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result.csv结果文件，包含以下信息：

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，复合物中各链之间用冒号:分隔（Boltz2结构预测的批量模式）mutant_seqs_complex.fasta。

参考文献

• Dieckhaus H, et al. Transfer learning to leverage larger datasets for improved prediction of protein stability changes. Proc Natl Acad Sci U S A. 2024 Feb 6;121(6):e2314853121.DOI:10.1073/pnas.2314853121