上海人工智能实验室与复旦科研合作获突破：蛋白质侧链结构预测精度显著超越AlphaFold2

12月16日，《Science》杂志公布了2021年的年度科学突破榜单，AlphaFold 和 RoseTTA-fold 两种基于人工智能预测蛋白质结构的技术位列榜首。

近日，我国科学家在该研究领域亦取得突破。复旦大学马剑鹏教授团队与上海人工智能实验室合作，以《OPUS-Rota4: 一个基于梯度和深度学习的蛋白质侧链建模框架》（“OPUS-Rota4: agradient-based protein side-chain modeling framework assisted by deeplearning-based predictors”）^[1]为题在《生物信息学简报》（Briefings in  Bioinformatics）上发表论文，展示了OPUS-Rota4蛋白质侧链预测算法，其对侧链结构的预测精度比AlphaFold2高出13%。

在目前AlphaFold算法开源的情况下，OPUS-Rota4可以为任何蛋白质结构预测工作提供比AlphaFold更准确的侧链模型，从而为蛋白质结构研究，尤其是基于蛋白结构的新药设计工作提供了利器。

“从芯片到药片”加速

人工智能大幅提升蛋白质建模精准度

复旦大学复杂体系多尺度研究院院长马剑鹏介绍，侧链预测的技术难度很大，“基于高精度的自然主链构象来建侧链结构，就像在静止的船甲板上做‘金鸡独立’，站稳很不容易；基于计算机预测的非自然主链构象来建侧链结构，就像在摇晃的船甲板上做‘金鸡独立’，难度更大。”

蛋白质三维结构由主链和侧链共同搭建而成，运用人工智能预测蛋白质结构的通常步骤，是先为蛋白质主链建模，再根据主链的构象为侧链建模。自然界中的蛋白质含有20种氨基酸，它们的主链几乎完全相同，而侧链差异很大。由于药物分子与人体蛋白质结合的位点绝大多数在氨基酸侧链上，人工智能技术对侧链的精准预测对新药研发具有重要价值。这种精准预测能力还可用于解释基因点突变、基因小片段突变的机制，为遗传性疾病研究和治疗提供宝贵思路。

“运用人工智能对蛋白质侧链结构进行精准预测，不仅对生命科学意义重大，同时也是计算生物学的重大突破。”马剑鹏介绍，蛋白质由一系列氨基酸折叠而成，具有稳定的三维结构。掌握各种蛋白质的精确三维结构，对生命科学的科研人员而言，就好比有了导航地图。用目前通用的冷冻电镜等实验设备测定蛋白质结构的难度很大，而且经济成本、时间成本很高；通过运用人工智能算法则可快速、精准地预测蛋白质结构，从而使新药研发等工作的效率得以大幅提升，使“从芯片到药片”的研发周期和成本得以大幅缩减。

近年来，马剑鹏带领团队运用人工智能技术研发出具有自主知识产权的OPUS系列算法，用于预测蛋白质主链和侧链的三维结构。其发表的最新论文显示，基于AlphaFold2在国际蛋白质结构预测竞赛上预测的多个蛋白质主链结构重新预测其侧链结构，通过与实验测定的结构比对，OPUS-Rota4对侧链结构的预测精度比AlphaFold2高出13%。

“这是一个了不起的突破。”诺贝尔化学奖得主、复旦大学复杂体系多尺度研究院名誉院长迈克尔·莱维特表示，研究院计划将对AlphaFold2预测的2万多个人类编码基因对应的蛋白质侧链结构重新建模，并向全球学术界开源，推动生命科学发展。

三大模块分工合作

预测结果与天然构象高度重叠

精准的蛋白质侧链建模对蛋白质折叠和蛋白质设计至关重要。近年来的研究中，研究人员开发的侧链建模算法大多基于抽样，如SCWRL4、OPUS-Rota3等。其从离散的侧链二面角转子库中进行抽样，随后根据一系列能量函数进行优化，找到能够让能量最低的二面角转子即为最终结果。基于抽样的侧链建模算法优点是速度较快，但由于使用离散的转子并受限于能量函数的准确性，其整体侧链预测精度仍然有待提高。

OPUS-Rota4引入深度学习算法，使得蛋白质侧链建模精度得到大幅提升。论文中提出一套蛋白质侧链建模的开源工具，包含三个模块：OPUS-RotaNN2，用于预测蛋白质侧链的二面角；OPUS-RotaCM，用于对不同残基侧链之间的距离和方向进行测量；以及由该团队自主研发的建模框架OPUS-Fold2，运用上述两个模块导出的信息进行侧链建模。

研究人员首先使用OPUS-RotaNN2结合多种不同的提取特征得到初始的侧链二面角预测结果，之后使用OPUS-RotaCM得到侧链原子接触图，最后使用OPUS-Fold2根据接触图对初始侧链二面角预测结果进行优化并输出最终结果。

OPUS-Rota4整体框架

研究人员在三个天然构象测试集中进行了测试，其中CAEMO（60）包含60个测试蛋白，CASPFM（56）包含56个测试蛋白，CASP14 (15) 包含15个测试蛋白。其结果显示，在三个测试集中，OPUS-Rota4的结果均优于其他侧链建模算法。

在三个天然构象测试集上的RMSD结果：数值越低说明越接近天然构象，All代表全部残基，Core代表中心残基。全部残基包含中心残基和表面残基。中心残基位于蛋白质内部，对其生物学功能更为重要。

在CASP14 (15) 中15个蛋白的预测结构

论文中展示的研究结果表明，OPUS-Rota4的侧链预测结果和天然构象基本接近，尤其是对于那些位于蛋白质内部的中心残基，预测结果与天然构象高度重叠。

OPUS-Rota4成功预测侧链建模的例子：蓝色为天然构象，红色为预测结果，二者高度重叠。

除了三个天然构象测试集外，研究人员还使用AlphaFold2得到了CASP14 (15) 中15个蛋白的预测结构，并根据预测主链结构对其侧链用不同方法进行重新建模。其结果显示，OPUS-Rota4的结果显著优于其他侧链建模方法，而且比AlphaFold2预测的侧链更接近天然构象。

研究人员还对几个相对预测较差的结构进行了分析。论文中认为，预测较差的主要原因可能是这些结构中都存在较长的无序loop区域，该区域的氨基酸侧链结构自由度较高。研究人员表示，将对蛋白质侧链建模进行进一步研究，以期继续提升准确率，并将探索侧链建模在实际问题中的应用。

(复旦大学复杂体系多尺度研究院青年副研究员徐罡为论文第一作者，复旦大学复杂体系多尺度研究院院长马剑鹏为通讯作者。)

注释：[1] 论文链接：https://academic.oup.com/bib/advance-article/doi/10.1093/bib/bbab529/6461160