Nature子刊，北大团队通用AI框架对蛋白-蛋白对接进行综合结构预测，弥合实验与计算的差距
内容提要
北京大学、昌平实验室和哈佛大学的研究团队提出了ColabDock，一个通用框架，用于蛋白质-蛋白质对接的结构预测。ColabDock在复杂结构预测和抗体-抗原界面预测方面表现优于其他模型。该框架通过整合实验约束和蛋白质结构预测模型的能量景观，包含生成阶段和预测阶段。ColabDock在合成数据集和实验约束上取得了令人满意的性能，具有潜在的抗体设计应用价值。然而，ColabDock目前存在一些局限性，如对限制距离的限制和计算耗时较长。
延伸解读
ColabDock 如何整合实验约束
ColabDock 通过梯度反向传播，将实验约束的先验与深度学习结构预测模型的能量景观相结合，自动搜索同时满足两者的构象。它无需大规模重新训练或微调，就能利用不同形式和来源的实验约束，如 NMR 化学位移扰动、共价标记和模拟深度突变扫描。这种方法容忍约束中的冲突或模糊性，为实验与计算之间架起了桥梁。
性能优势与适用场景
在合成数据集和实验约束测试中，ColabDock 的表现优于 HADDOCK 和 ClusPro，尤其在约束质量较高时更为突出。在抗体-抗原界面预测上，它预测的中等或更高质量结构的比例远高于对比方法，显示出在抗体设计中的潜在应用价值。此外，随着约束数量的增加，其性能进一步提升，表明能有效利用附加信息。
当前局限与使用注意
ColabDock 目前只能接受距离小于 22 Å 的限制，这限制了其适用的交联质谱试剂范围。对于大型蛋白质复合物，它只能在 NVIDIA A100 GPU 上处理少于 1,200 个残基的复合物，且计算耗时较长。这些限制意味着在实际应用中需考虑约束类型和计算资源，未来优化有望缓解这些问题。
Q&A
ColabDock是什么？
ColabDock是一个通用框架，用于蛋白质-蛋白质对接的结构预测，整合实验约束和蛋白质结构预测模型的能量景观。
ColabDock在蛋白质结构预测中有哪些优势？
ColabDock在复杂结构预测和抗体-抗原界面预测方面表现优于其他模型，如HADDOCK和ClusPro。
ColabDock的工作流程是怎样的？
ColabDock包含生成阶段和预测阶段，生成阶段使用基于AlphaFold 2的框架进行优化，预测阶段根据生成的结构进行预测。
ColabDock的局限性有哪些？
ColabDock目前只能接受距离小于22 Å的限制，并且在处理大型蛋白质复合物时计算耗时较长。
ColabDock在抗体设计方面的应用价值是什么？
ColabDock在抗体-抗原数据集上的表现优于其他方法，显示出其在抗体设计中的潜在应用价值。
未来ColabDock的研究方向是什么？
未来研究人员将继续优化ColabDock，以弥合实验和计算蛋白质科学之间的差距。
