实用教程使用AlphaFold2进行蛋白质结构在线预测

Posted Eumenidus

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了实用教程使用AlphaFold2进行蛋白质结构在线预测相关的知识,希望对你有一定的参考价值。

文章目录

AlphaFold2

Deepmind团队发布的Alphafold2是迄今为止准确度最高的蛋白质三维结构预测模型,直接颠覆了整个生物学领域。关于Alphafodl2的相关研究已经发表在nature上,其中最主要的是一篇关于Alphafold2模型的介绍:
Highly accurate protein structure prediction with AlphaFold
和一篇使用Alphafold预测人类蛋白组的文章:
Highly accurate protein structure prediction for the human proteome

查询AlphaFold2已经预测好的结构

如上所述,Deepmind团队已经使用Alphafold2预测过了人类蛋白组结构。其实除了人类蛋白组外,诸如常见的模式生物如小鼠、斑马鱼、植物中的水稻、拟南芥、微生物如大肠杆菌等的蛋白组都已经被预测过了,如果我们需要预测的蛋白结构已经被预测过了,那我们就不必做重复劳动。

用户可以通过Alphafold托管在EMBL的服务器进行查询:
AlphaFold Protein Structure Database

或者通过Uniprot查询:

通过搜索找到你想要的蛋白,然后进入详情页,跳转到Structure栏即可看到:

需要注意的是,仅部分常见物种的部分蛋白结构可以通过查询得到,更多的结构则需要自己预测

AlphaFold2源代码

Deepmind团队已经讲AlphaFold2代码公布至Github,有条件的同学可以自行下载源码并安装至服务器上进行运行
https://github.com/deepmind/alphafold


使用AlphaFold2在线预测

对于大多数做生物的同学,其实并不关心AlphaFold2的原理,也没有使用服务器的条件,只想简单方便地预测一个蛋白质的结构。那谷歌的Colaboratory也提供了在线使用版本:
直接使用谷歌搜索AlphaFlod Colab,选择第一个搜索结果即可,或使用下面的链接跳转:
https://colab.research.google.com/github/sokrypton/ColabFold/blob/main/AlphaFold2.ipynb
进入Colab界面后,只需要输入自己想预测的序列和项目名称,即可:

运行方法也很简单,选择代码执行程序->全部运行即可

然后选择仍然运行

AlphaFold2参数修改

除了使用默认设定参数外,还可以根据实际需求修改部分参数,如:
Advanced settings中的number_recycles,这个参数可以理解为是每个模型的循环次数,默认是3,循环次数越多相对应的准确度也会高一点,但运行时间也会越长

每次运行所产生的模型数也可以修改:

Run Prediction中,点击显示代码即可展开代码片:

其中我们要修改的是num_moldels,直接改数字即可修改每次运行时产生的模型数。如果模型数大于5的话,最好把下面的model_order也跟着修改了,就把数字补齐到你的模型数即可。

预测结果

模型的得分高低可以在pLDDT图中看到:

置信度较高的区间则会描为蓝色,橙色和黄色则是置信度居中,红色是置信度较低。一般而言置信度较低的区域都是蛋白质本身的内在无序区(intrinsically disordered region,IDR)。这种区域一般是比较柔性的,严格来说他们本来就没有一个稳定的构象,因此预测不出来也是正常的,至于使用冷冻电镜或X射线得到的则是在某一状态下相对较稳定的构象。

预测结果会打成压缩包直接帮你下载

解压后可以得到一堆文件:

后缀名为pdb的则是蛋白三维结构的预测结果,只需要用pymol即可打开,有多个模型的话选择排名最高的的即可

预测蛋白-蛋白互作模型

其实早在AlphaFold2尚未正式推出这一功能之前,就已经有人通过简单的修改来实现这一功能了:只需用一段长linker将两个互作的蛋白连接起来,再输进AlphaFold2当成一个蛋白去预测就可以了。

若要在Colab中使用这一功能,只需要在query_sequence中输入需要预测的多个蛋白序列,蛋白与蛋白之间用英文冒号 : 分隔即可,可以用这一功能预测同源多聚体,也可以预测异源的蛋白互作。

注意:在Colab使用AlphaFold2预测蛋白有长度限制,总长度最好不要超过1000个氨基酸,若超过这一长度则很容易预测失败;使用本地服务器运行则无这一限制

以上是关于实用教程使用AlphaFold2进行蛋白质结构在线预测的主要内容,如果未能解决你的问题,请参考以下文章

AlphaFold2被超越!中国团队刷新全球蛋白质结构预测纪录,大牛彭健创业项目一鸣惊人...

国产AI蛋白质结构预测再现突破,用单条序列解决3D结构,彭健团队:“AlphaFold2以来最后一块拼图补齐了”...

巨大冲击!AlphaFold2再登Nature,从业者都懵了:人类98.5%的蛋白质,全都被预测了一遍...

2个月挑战完善AlphaFold2短板!这个AI夏令营毕业生让李开复赞不绝口

AlphaFold2爆火背后,人类为什么要死磕蛋白质?

AlphaFold2成功秘诀:注意力机制取代卷积网络,预测准确性提升超30%