性能优于AF3？免费AI在线服务器，对蛋白质结构模型进行预测和质量评估
仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
将ScienceAI设为星标
第一时间掌握
新鲜的AIforScience资讯
编辑|白菜叶
了解蛋白质复合物的结构对于健康、农业、生物工程等领域的突破至关重要。
雷丁大学（UniversityofReading）研究团队开发的MultiFOLD2和ModFOLDdock2分别是用于蛋白质四级结构预测和模型质量评估的服务器。
MultiFOLD2集成了四级结构的化学计量预测功能，并改进了采样和评分功能，使其在CAMEO等连续独立基准测试中表现出色。
ModFOLDdock2采用混合共识方法生成预测四级结构的全局和局部质量评分。
ModFOLDdock2与MultiFOLD2既可以集成使用，又可以作为独立服务器使用，从而支持对任何来源的四级结构模型进行独立评估。这两款服务器均经过独立且严格的评估，在CASP16实验中展现出优异的性能。
继AlphaFold2在CASP14实验中取得成功后，蛋白质三级结构建模的精度已接近实验水平。因此，自CASP15实验以来，该团队的重点一直放在开发蛋白质四级结构建模方法及其质量评估方面。
针对CASP15，研究人员开发了两个互补的服务器：MultiFOLD用于三级和四级结构预测，以及ModFOLDdock用于评估多聚体模型的精度。
MultiFOLD：https ://www.reading.ac.uk/bioinf/MultiFOLD/
ModFOLDdock：https ://www.reading.ac.uk/bioinf/ModFOLDdock/
在最新的论文中，研究人员概述了MultiFOLD和ModFOLDdock服务器的主要更新，描述了它们的功能，并报告了它们在最新主要独立国际基准CASP16和CAMEO中的表现。
图示：MultiFOLD和ModFOLDdock工作流程（来源：论文）
MultiFOLD2和ModFOLDdock2均由CASP16评估人员独立进行基准测试。MultiFOLD2也由CAMEO资源持续评估。在CASP16中，实验的一项重大变化是分阶段发布多聚体靶点。在第0阶段，服务器需要预测靶点的化学计量，因为最初并未提供此信息。此外，CAMEO资源在向参与服务器提交靶点时不提供化学计量信息。
图示：MultiFOLD2服务器结果页面针对CASP16目标T0240，其中正确预测了化学计量A3，可使用移动和桌面浏览器查看。（来源：论文）
在连续CAMEO基准测试中，MultiFOLD2的整体性能优于AlphaFold3(AF3)。在CASP16中，根据GDT_TS评分，MultiFOLD2在中等难度和高难度目标的所有服务器方法中排名第六，并在极难领域目标中排名第一。在多聚体类别中，MultiFOLD2超越了AlphaFold2(ColabFold)基线服务器。此外，根据官方lDDT评分，MultiFOLD2在阶段0多聚体目标上的性能优于AF3。
ModFOLDdock2服务器采用混合共识方法，为预测的四级结构生成全局和局部（界面残基）质量评分。ModFOLDdock2与MultiFOLD2集成，但研究人员也将其作为独立服务器提供，从而方便用户独立评估来自任何来源的模型。
简而言之，与原版ModFOLDdock服务器的主要区别在于增加了新的评分和一个用于预测局部评分的神经网络。
图示：MultiFOLD2和ModFOLDdock2对异多聚体CASP16靶标H0225（阶段0）/H1225（阶段1）的预测示例，化学计量为A1B1C1。（来源：论文）
ModFOLDdock2在CASP16中荣获四级结构模型全局和局部界面评分第一名，其变体在各方面均表现优异。因此，该团队受邀在2024年12月的CASP16会议上展示他们的方法。
在CASP16和CAMEO上对MultiFOLD2和ModFOLDdock2进行了严格的独立评估后，该团队为它们提供了直观的线上访问界面，并免费向所有人开放，造福全球生命科学界。
访问服务器：https ://www.reading.ac.uk/bioinf/
论文链接：https ://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkaf336/8119807?login=false
相关内容：https ://x.com/BiologyAIDaily/status/1916347848108781766
人工智能×[生物神经科学数学物理化学材料]
「ScienceAI」关注人工智能与其他前沿技术及基础科学的交叉研究与融合发展。
欢迎关注标星，并点击右下角点赞和在看。
点击阅读原文，加入专业从业者社区，以获得更多交流合作机会及服务。
