iTreePack: Protein Complex Side-Chain Packing by Dual Decomposition
蛋白质侧链包装是获得结构的3D坐标和药物发现的关键组成部分。单结构域蛋白质侧链包装已被彻底研究。将这些方法推广到蛋白质复合物的一个主要挑战是，它们与单体不同，通常具有非常大的树宽，因此不能直接应用TreePack等算法。为了解决这个问题，SCWRL 4有效地将复合物作为单体处理，排除弱相互作用以减少树宽;因此，SCWRL 4在蛋白质界面上产生不良包装。迄今为止，很少有专门为蛋白质复合物设计的侧链包装方法。在本文中，我们介绍了一种方法，iTreePack，它解决了侧链包装问题的复杂性，通过使用一种新的组合的对偶分解和树分解。特别是，iTreePack通过将蛋白质复合物分解成较小的子图和新颖地将复杂的侧链包装问题重新表述为对偶松弛问题，克服了大树宽的问题;这使我们能够使用树分解分别解决每个小的子图的侧链包装。利用投影次梯度算法，保证了所有小子图的侧链填充的一致性。计算结果表明，我们的iTreePack程序优于SCWRL 4的蛋白质复合物。特别是，iTreePack将侧链原子更准确地放置在非常大的复合物上，这些复合物构成了蛋白质相互作用的重要部分。此外，iTreePack相对于SCWRL 4的优势随着复合体的树宽而增加。即使对于单体蛋白质，iTreePack也比SCWRL更有效，也更准确。
2015-04-21 q-bio.BM
Molecular architecture of TE-seeded chromosome-naive initiation networks of protein-protein interactions delineates the Human Protein Map of the assembly of multiprotein complexes
Institute of Engineering in Medicine University of California, San Diego（加州大学圣地亚哥分校工程医学院）
该研究通过HPA数据揭示PPI级联分子架构，阐明EMC组装机制，并发现突触蛋白隔离导致神经退行性变，恢复蛋白可用性可修复损伤。
2026-10-02 q-bio.BM
Touching proteins with virtual bare hands: how to visualize protein-drug complexes and their dynamics in virtual reality
在结构模型中精确可视化药物与其蛋白质靶标之间相互作用的原子几何结构的能力对于预测先前鉴定的抑制剂的正确修饰以创造更有效的下一代药物至关重要。目前，药物化学家在尝试通过使用二维投影来访问包含在三维结构中的信息时，通常的做法是使用二维投影，这可能会妨碍有用特征的公开。通过实施沉浸式虚拟现实（VR），可以实现模型中原子几何形状的三维配置的更精确的可视化。在这项工作中，我们提出了一个免费的软件管道，用于通过VR可视化蛋白质结构。新的客户硬件，如HTC Vive和Oculus Rift在本研究中使用，可以以合理的价格获得。此外，我们将VR可视化与快速算法相结合，用于模拟蛋白质灵活性的分子内运动，以通过暴露可能隐藏在信息量较少的静态模型中的分子相互作用来进一步改善结构导向药物设计。
2017-10-10 q-bio.BM
Analytical Theory for Sequence-Specific Binary Fuzzy Complexes of Charged Intrinsically Disordered Proteins
内在无序蛋白（IDP）是一类重要的生物学功能蛋白。与折叠蛋白相反，某些IDP之间的分子识别是“模糊的”，因为它们的结合和/或相分离是由相互作用的IDP的氨基酸序列随机控制的，而它们组装的构象在很大程度上保持无序。为了帮助阐明这个迷人的，但知之甚少的现象的一个基本方面，一个同源或异源二聚体对polyampholytic IDP的结合建模统计力学使用集群扩展。我们发现，结合亲和力的二元模糊复合物的模型强烈相关的一个新衍生的简单的“jSCD”参数容易计算的对IDP的序列电荷模式。我们的分析理论的预测是在粗粒度的显式链模拟基本一致。这个计算效率高的理论框架，预计将广泛适用于合理化和预测序列特异性的IDP-IDP多静电相互作用。
2020-07-07 q-bio.BM
Characterization of protein complexes using chemical cross-linking coupled electrospray mass spectrometry
大蛋白质复合物的鉴定和表征是生物化学工具箱的支柱。利用交联化学品可以促进捕获和鉴定瞬时性质的瞬时或弱相互作用。在这里，我们描述了一个详细的方法，细胞培养为基础的蛋白质组学方法。我们描述了产生稳定表达绿色荧光蛋白（GFP）标记的蛋白质的细胞下的四环素诱导型启动子和随后的GFP相互作用蛋白质组学分析。我们包括一个被确定为GFP的相互作用蛋白质的列表。
2016-06-14 q-bio.BM q-bio.MN
Can contact potentials reliably predict stability of proteins?
蛋白质中氨基酸之间相互作用势的最简单近似值是接触势，它通过蛋白质构象中形成的一组氨基酸接触来定义蛋白质构象的有效自由能。找到一种能够预测各种蛋白质家族中蛋白质状态的自由能的接触电势，将有助于蛋白质折叠和在计算机上在计算上易于处理的时间尺度上进行工程化。我们测试了接触电位准确和可转移（跨各种蛋白质家族）预测突变后蛋白质稳定性变化的能力。我们开发了一种新的方法来确定接触电位的蛋白质从实验测量的蛋白质热力学稳定性（ddG）突变后的变化。我们应用我们的方法来获得一个层次的相互作用模型，包括溶剂化和多体接触参数的接触相互作用参数集。我们测试如何以及我们的模型重现实验测量的统计检验。我们评估的最大准确度的预测，通过使用接触电位和来自不同的数据集的实验ddG值的参数之间的相关性。我们认为，这是不可能达到实验精度，并获得完全可转移的接触参数使用接触模型的潜力。然而，接触参数可以产生可靠的预测ddG的数据集的突变局限于特定的氨基酸位置在一个单一的蛋白质序列。
2004-02-19 q-bio.BM
Unbinding and unfolding of adhesion protein complexes through stretching: Interplay between shear and tensile mechanical clamps
使用粗粒度的分子动力学模拟，我们分析机械诱导的解离和展开的蛋白质复合物CD 48 - 2B 4。这种异源二聚体是免疫系统不可或缺的组成部分：2B 4是自然杀伤细胞上的受体，而CD 48在各种免疫细胞的表面上表达。到目前为止，它的机械稳定性还没有进行评估，无论是实验还是理论。我们发现，解离过程强烈依赖于方向的拉动，并可能发生在几个途径。有趣的是，CD 48 - 2B 4界面可以分为三个不同的补丁，在抵抗拉力时作为单元。在实验可达到的牵拉速度下，特征机械稳定性力在100和200 pN之间的范围内，取决于牵拉方向。这些特征力不需要与复合物分离行为中所涉及的张力相关，因为先前涉及单个蛋白质内的剪切解开可能产生更高的力峰。
2015-02-25 q-bio.BM
Small-angle scattering studies of intrinsically disordered proteins and their complexes
内源性无序蛋白（IDP）具有广泛的生物学功能。它们的相关性激发了强烈的研究活动，寻求表征它们的序列/结构/功能关系。然而，这些分子的构象可塑性阻碍了传统的结构方法的应用，新的工具和概念正在开发，以解决它们带来的挑战。小角散射（SAS）是一种结构生物学技术，用于探测无序蛋白质及其与其他生物分子复合物的大小和形状。SAS的低分辨率特性可以通过专门设计的计算工具及其与互补结构信息的组合解释来补偿。在这篇综述中，我们描述了SAS应用于无序蛋白质和高度灵活的复合物的最新进展，并讨论了当前的挑战。
2016-11-07 physics.bio-ph q-bio.BM
AmoebaContact and GDFold: a new pipeline for rapid prediction of protein structures
从蛋白质的氨基酸序列可以预测氨基酸残基之间的天然接触，预测的接触信息可以辅助从头蛋白质结构预测。在这里，我们提出了一个新的管道的残基接触预测AmoebaContact和接触辅助文件夹GDFold快速蛋白质结构预测。与利用人类设计的神经网络的主流接触预测器不同，AmoebaContact采用了一组通过自动搜索发现的最佳接触预测的网络架构，并预测一系列截止点处的残留接触。与传统的仅使用得分最高的接触对的接触辅助文件夹不同，GDFold在可微损失函数中考虑来自AmoebaContact预测结果的所有残基对，并使用梯度下降算法优化原子坐标。AmoebaContact和GDFold的组合允许快速重建蛋白质结构，具有与最先进的蛋白质结构预测方法相当的模型质量。
2019-05-28 q-bio.BM
Protein contact map prediction using bi-directional recurrent neural network
在给定的二维接触图下，蛋白质三维结构的重建精度可达2 A或更高，是解决蛋白质折叠问题的一种可行的计算方法。传统方法的预测准确性通常太差而无法使用，但最近的深度学习模型显着提高了准确性。在这项研究中，我们提出了一个神经网络模型，包括一个双向循环神经网络和人工神经网络。在Protein Data Bank中所有可用蛋白质3D结构的非冗余数据库中，该深度学习模型的准确率达到0.80，远高于以前的模型。这项研究代表了蛋白质2D接触图预测的重大突破，并可能是蛋白质折叠问题的重要一步。
2019-06-11 q-bio.BM
Advances to tackle backbone flexibility in protein docking
计算对接方法可以提供蛋白质-蛋白质复合物的结构模型，但缔合时的蛋白质主链柔性常常阻碍准确的预测。在最近的盲目挑战中，在不到20%的“困难”目标（具有显著的骨干变化或不确定性）中提交了中等或高精度模型。在这里，我们描述了蛋白质-蛋白质对接的最新进展，并强调了解决骨架灵活性的进展。在分子动力学和蒙特卡罗方法中，增强的采样技术减少了时间尺度的限制。内部坐标公式现在可以使用谐波动力学捕获单体和复合物的真实运动。机器学习方法自适应地引导对接轨迹或从在蛋白质界面上训练的深度神经网络生成新的结合位点预测。这些工具平衡了该领域，以突破正确预测具有显著构象变化的复杂结构的长期挑战。
2020-10-15 q-bio.BM
Prediction of native contacts in proteins from an out--of--equilibrium coevolutionary process
同源蛋白质残基的协同进化分析是预测其天然构象的有力工具。共同进化分析的标准框架通常是平衡Potts模型，假设蛋白质已经进化了足够长的时间，在序列空间中达到热力学平衡。在这里，我们提出了一个模型来描述序列中的相关性的基础上明确描述蛋白质的进化动力学。我们表明，这个过程提高了正确的预测本地接触相对于平衡-基于模型。
2020-02-09 q-bio.BM
Implementation of The Double-Centroid Reduced Representation of Proteins and its Application to the Prediction of Ligand Binding Sites and Protein-Protein Interaction Partners Using FORTRAN 77/90 Language
蛋白质三维结构从全原子表示（AAR）到双质心简化表示（DCRR）的转换是实现用于预测蛋白质中特异性配体结合位点（LBS）的四面体三维搜索基序（3D SM）方法，和用于预测二元蛋白质相互作用（PPI）配偶体的3D界面搜索基序四面体对（3DISMTP）方法（Reyes，V.M.，2015 a和c，2015 b，2009 a，b和c）。在这里，我们描述的结果表明，在从AAR到DCRR的转换和实施的三维SM和三维ISMTP方法中使用的FORTRAN 77和90的源代码集的功效。准确地说，我们在这里显示的生物学上重要的配体，GTP和唾液酸的三维SM的建设，从训练集组成的实验解决的结构的蛋白质与相关的配体复合，和他们随后使用的两个配体的潜在受体蛋白的筛选。我们还显示在这里的二元复合物，RAC：P67 PHOX和KAP：磷酸-CDK 2的三维ISMTP的建设，从一个训练集组成的实验解决的复合物，和他们随后使用的两个复合物的潜在的原异构体的筛选。在AAR到DCRR的转换中使用的15个FORTRAN程序以及所述两种方法的实现是：get_bbn.f、get_sdc.f、res2cm_bbn. f、res2cm_sdc. f、nrst_ngbr.f、find_Hbonds.f、find_VDWints.f、find_clusters. f90、find_trees.f90、find_edgenodes.…
2015-11-30 q-bio.BM
Synthetic Protein-Ligand Complex Generation for Deep Molecular Docking
针对实验蛋白质-配体复合物数据稀缺问题，提出一种程序化生成与验证合成复合物的新工作流程，实验表明合成数据训练的对接模型性能与实验数据相当，但未显著超越传统方法。
2025-09-16 q-bio.BM
Multilevel Deconstruction of the In Vivo Behavior of Looped DNA-Protein Complexes
具有环的蛋白质-DNA复合物在从DNA转录的调节到端粒维持的各种细胞过程中发挥重要作用。尽管它们无处不在，但它们的精确体内特性及其整合到细胞功能中仍然在很大程度上未被探索。在这里，我们提出了一个多层次的方法，有效地连接在两个方向的分子特性与细胞生理学，并使用它来表征的环状DNA-lac阻遏物复合物的分子特性，而在体内发挥作用。我们发现的属性包括存在的两个代表性的构象的复杂的，稳定的一个构象的DNA建筑蛋白质，和精确的值的基本扭转弹性常数和弯曲自由能。将所有这些分子信息整合到基因调控模型中，揭示了环状DNA-蛋白质复合物在塑造基因表达特性方面前所未有的多功能性。
2007-04-18 q-bio.BM q-bio.SC
RecA and RecB: probing complexes of DNA repair proteins with mitomycin C in live Escherichia coli with single-molecule sensitivity
RecA蛋白和RecBCD复合物是维持和修复DNA的关键细菌组分，RecBCD是一种解旋酶-核酸酶，其使用同源重组来解析双链DNA断裂，并且还促进RecA修饰单链DNA以形成RecA细丝，这是双链断裂DNA修复途径中的重要步骤。然而，关于RecA和RecBCD在活细胞中的机制作用仍然存在问题。在这里，我们使用毫秒超分辨荧光显微镜，以确定在单个活大肠杆菌细胞中的生理表达水平的RecA和RecB的荧光报告的空间定位。通过引入DNA交联剂丝裂霉素C，我们诱导DNA损伤，并量化RecA和RecB的化学计量，拷贝数和分子迁移率的变化。我们发现，这两种蛋白质积累在分子热点，以实现修复，导致RecA的化学计量相当于几百个分子，主要作用于RecA四聚体DNA损伤前，但切换到大约六聚体亚基成熟丝形成时。出乎意料的是，我们发现RecB的生理主要形式是二聚体。
2021-10-04 q-bio.BM
The NRGTEN Python package: an extensible toolkit for coarse-grained normal mode analysis of proteins, nucleic acids, small molecules and their complexes
摘要：粗粒简正模分析（NMA）是一种研究生物分子动力学的快速计算技术。Najmanovich Research Group Toolkit for Elastic Networks（NRGTEN）。NRGTEN是一个Python工具包，它实现了四种不同的NMA模型，以及流行和新颖的指标，以基准测试和测量这些模型的属性。此外，该工具包作为公共Python包提供，并且可以轻松扩展以开发或实现其他NMA模型。我们在NRGTEN中开发的ENCoM模型（弹性网络接触模型）值得注意，因为它考虑了原子相互作用的特定化学性质。这使得有可能对突变的影响进行一些独特的预测，例如对稳定性（通过振动熵差的变化），对不同构象状态之间的跃迁概率或对整个大分子/复合物的柔性分布（以研究变构和信号传导）。此外，所有NMA模型都可用于从起始结构生成构象系综，以帮助蛋白质-蛋白质、蛋白质-配体或应用中的其他对接研究。NRGTEN通过公共Python包免费提供，该包可以轻松安装在任何现代机器上，并包括在线托管的详细用户指南。可用性和实施：https://github.com/gregorpatof/nrgten_package/联系人：rafael. umontreal.ca
2020-12-24 q-bio.BM
Leveraging Conformational Diversity for Enhanced Structure-Based Virtual Screening: Insights from Molecular Dynamics Simulations of HIV-1 Protease-Ligand Complexes
本研究利用79个HIV-1蛋白酶-配体复合物，通过分子动力学模拟和RMSD聚类保留构象多样性，证明多构象结合能计算能显著提升基于结构虚拟筛选的预测可靠性。
2025-07-13 q-bio.BM
Effect of protein structure on evolution of cotranslational folding
共翻译折叠取决于新生蛋白质的折叠速度和稳定性。然而，要预测哪些蛋白质会协同折叠仍然很困难。在这里，我们模拟模型蛋白质的进化，以探讨天然结构如何影响共翻译折叠的进化。我们开发了一个模型，将翻译期间和翻译后的蛋白质折叠与细胞适应性联系起来。模型蛋白进化出改进的折叠速度和稳定性，蛋白质采用两种快速折叠策略之一。低接触顺序蛋白进化为互补折叠。此类蛋白质在翻译过程的早期就采用天然构象，随后翻译的每个残基都建立了额外的天然接触。另一方面，高接触顺序的蛋白质往往在其天然构象中不稳定，直到整个链几乎被挤出。我们还模拟了缓慢翻译密码子的进化，发现在某些位置较慢的翻译速度增强了共翻译折叠。最后，我们研究了真正的蛋白质结构，使用以前发表的数据集，确定了进化保守的罕见密码子在E。coli基因，并将这些密码子与共翻译折叠中间体相关联。我们发现，保守的稀有密码子之前的蛋白质亚结构往往具有较低的接触顺序，与我们的发现，即较低的接触顺序的蛋白质更容易折叠互补。我们的工作显示了进化的选择压力如何导致具有局部接触拓扑结构的蛋白质进化共翻译折叠。
2020-06-22 q-bio.BM
Potential function of simplified protein models for discriminating native proteins from decoys: Combining contact interaction and local sequence-dependent geometry
有效的势函数是蛋白质结构预测和折叠模拟的关键。对于简化的蛋白质模型，其中仅需要指定$C_α$原子的坐标，精确的势函数是重要的。这样一个简化的模型是必不可少的构象空间的有效搜索。在这项工作中，我们提出了一个公式的潜在功能的简化表示的蛋白质结构。它是基于来自残基-残基接触和序列依赖的局部几何形状的描述符的组合。通过最大化本机结构和诱饵结构之间的裕度来优化，获得接触和局部几何的最优权系数。后者是由链增长和无间隙穿线产生的。利用几个基准诱饵集对势函数在区分天然蛋白质结构和诱饵的盲测中的性能进行了评价。该势函数具有与几种基于残基的势函数相当或更好的性能，所述基于残基的势函数另外需要侧链中心的坐标或所有侧链原子的坐标。
2004-07-22 q-bio.BM
OPUS-Beta: A Statistical Potential for Beta-Sheet Contact Pattern in Proteins
开发准确的评分函数对于成功预测蛋白质结构至关重要。在这项研究中，我们开发了一个统计势函数，称为OPUS-Beta，用于独立于原子坐标信息的能量评估β-折叠接触模式（蛋白质的整个残基-残基β-接触）。OPUS-Beta电位包含五项，即，自包装项、成对链间包装项、成对链内包装项、晶格项和氢键项。结果表明，OPUS-Beta势在识别诱饵中的天然β-接触模式时优于文献中的现有方法，尤其是与使用二维递归神经网络的方法相结合时（在前1和前5选择方面分别提高了约5%和23%）。我们期望OPUS-Beta电位在蛋白质的β折叠建模中是有用的。
2015-08-03 q-bio.BM
Deriving amino acid contact potentials from their frequencies of occurence in proteins: a lattice model study
从进化的角度讨论了从蛋白质中出现的频率推导氨基酸之间接触电势的可能性。这种方法允许使用传统的热力学来描述这样的频率，并因此开发出一种策略，以在计算中包括由于氨基酸的空间接近性和它们在蛋白质中保守的总体趋势而引起的相关性。利用晶格模型来描述蛋白质链，并定义一个“真正的”潜力，我们测试这些策略，通过选择一个数据库的折叠模型序列，推导出接触电位从这样的序列，并将它们与“真正的”潜力。考虑到相关性，可以更好地预测相互作用势。
2004-06-15 q-bio.BM
A preparative mass spectrometer to deposit intact large native protein complexes
电喷雾离子束沉积（ES-IBD）是一种多功能的工具，可以研究从小金属簇到大蛋白质组装体的分子结构和反应性。它将分子温和地带入气相，在那里它们可以被精确地操纵和纯化，然后控制沉积到各种基底上。与成像技术相结合，可以获得明确定义的分子的直接结构信息，这对于测试和解释间接质谱技术的结果至关重要。到目前为止，离子束沉积实验仅限于全球少数定制仪器，并且没有商业替代品。在这里，我们提出了一个模块，增加了离子束沉积能力的一个流行的商业MS平台（热科学$^{\mathrm{TM}}$ Q Exactive $^{\mathrm{TM}}$ UHMR）。这种组合显著降低了与定制仪器相关的开销，同时受益于既定的高性能和可靠性。我们目前的性能特点，包括光束强度，着陆能量控制，和沉积点的大小为广泛的分子。结合原子力显微镜（AFM）和透射电子显微镜（TEM），我们区分近天然的未折叠的蛋白质，并显示保留天然形状的蛋白质组装体脱水和沉积后。此外，我们使用酶测定来定量沉积在干燥表面上后非共价蛋白质复合物的活性。总之，这些结果表明ES-IBD在结构生物学应用中具有巨大的潜力，但也概述了需要解决的挑战，以充分发挥其潜力。
2022-03-21 q-bio.BM
Computational Methods to Investigate Intrinsically Disordered Proteins and their Complexes
本文综述了研究固有无序蛋白质及其复合物和相分离状态的计算方法，涵盖统计模型、物理方法和机器学习手段，用于结构系综生成与实验验证。
2024-09-03 physics.bio-ph q-bio.BM
The network of stabilizing contacts in proteins studied by coevolutionary data
蛋白质的一级结构，即它们的序列，代表了关于生物分子的最丰富的实验数据之一。通过逆伊辛模型的方法，在家庭的共同进化蛋白质的相关性的研究可以获得它们的天然构象的信息。沿着这条线的最新发展，我们优化的算法来计算残基之间的有效能量，验证的方法都回计算模型系统中的相互作用能，并预测在真实系统中的突变相关的自由能。利用这些有效的能量，我们研究了网络的相互作用，稳定了一些研究充分的蛋白质的天然构象，显示它显示出不同的属性比相关的接触网络。
2013-07-05 q-bio.BM
Predicting non-neutral missense mutations and their biochemical consequences using genome-scale homology modeling of human protein complexes
需要计算方法来区分小部分错义突变，这些错义突变通过破坏蛋白质功能而导致疾病。我们描述了几种互补的方法，使用大规模的同源性建模的人类蛋白质复合物检测非中性突变。重要的是，与基于序列保守性的方法不同，这种基于结构的方法为疾病中的突变提供了实验上可测试的生化机制。具体而言，我们推断金属离子，小分子，蛋白质-蛋白质，和核酸结合位点的同源性，发现疾病相关的错义突变是更普遍的每一类结合位点比中性突变。重要的是，我们的方法识别出比RefSeq数据库中注释的多得多的结合位点。此外，通过机器学习预测的金属离子和蛋白质-蛋白质结合位点的分析显示，这些位点中疾病相关突变的相似优势。我们还得出了一个统计评分预测突变如何影响金属离子结合，并发现许多dbSNP突变，可能会破坏离子结合，但以前不认为有害的。我们还聚类蛋白质结构中的突变，以发现推定的功能区域。最后，我们开发了一个用于检测疾病相关错义突变的机器学习预测器，并在一个独立的测试集上显示它优于其他两种预测方法。
2013-08-20 q-bio.BM q-bio.GN
Reconstruction of protein structures from a vectorial representation
我们表明，接触地图的天然结构的球状蛋白质，可以重建从接触地图的主特征向量的唯一知识，并为此目的提出了一个精确的算法。我们的算法产生一个独特的接触地图的所有221个球状结构的PDB选择25的长度$N \le 120$。我们还表明，重建的接触地图允许反过来准确重建的三维结构。这些结果表明，由接触图的主特征向量提供的约化向量表示等价于蛋白质结构本身。这种表示法有望为蛋白质结构比较和比对的生物信息学算法提供一个有用的工具，同时也是蛋白质结构预测的一个有前途的中间步骤。
2004-04-13 q-bio.BM
Protein-protein modelling using cryo-EM restraints
近年来，低温电子显微镜（冷冻电子显微镜）的发展使得人们可以在原子分辨率下观察分子复合物。因此，从冷冻电子显微镜得到的许多结构现在在蛋白质数据库中可用。然而，如果对于某些复合物达到原子分辨率，则并非对所有复合物都是如此。这也是在低温电子断层扫描的情况下，可实现的分辨率仍然是有限的。此外，冷冻电子显微镜图中的分辨率不是恒定的，通常外部区域具有较低的分辨率，可能与构象变异性有关。尽管那些低至中分辨率的EM图（或其区域）不能直接提供大分子复合物的原子结构，但它们提供了有价值的信息来模拟各个组分及其组装成它们。这种建模的大多数方法都是将单个组件刚性拟合到EM密度图中。虽然这似乎是一个明显的选择，但他们忽略了分子识别的关键方面，界面的能量和灵活性。此外，这些通常将建模限制在唯一的数据源，即EM密度图。在这一章中，我们描述了一个协议，其中EM地图被用作约束HADDOCK指导建模过程。
2020-05-01 q-bio.BM
DeepPNI: Language- and graph-based model for mutation-driven protein-nucleic acid energetics
Indian Institute of Technology Bhilai（印度理工学院比莱分校）
DeepPNI通过结合语言和图模型，实现了对蛋白质-核酸复合物突变驱动能量变化的高效预测，具有高鲁棒性和泛化能力。
2025-11-27 cs.AI q-bio.BM
Statistical mechanical properties of sequence space determine the efficiency of the various algorithms to predict interaction energies and native contacts from protein coevolution
研究进化相关性的同源序列比对的逆Potts模型已被证明是有用的，以获得残基-残基接触能和预测蛋白质中的接触。结果的质量在很大程度上取决于几个选择的详细模型和所使用的算法。我们以一种非常可控的方式构建了具有与真实蛋白质相似的统计特性的合成比对，并使用它们来评估不同反演算法及其变体的性能。现实的合成路线显示无序系统的低温阶段的典型功能，影响反演算法的功能。我们表明，玻尔兹曼-学习算法是计算上可行的，并在预测本地接触的能量表现良好。然而，所有算法都同样会出现误报，这使得使用不同算法的本地联系人的预测质量在很大程度上取决于系统。
2019-02-04 q-bio.BM
Predicting Residue-wise Contact Orders of Native Protein Structure from Amino Acid Sequence
残基接触序（RWCO）是一种新的一维蛋白质结构，它表征了蛋白质之间长程接触的程度。我们最近发现，一组三种类型的一维结构（二级结构，接触数，和RWCO）包含足够的信息重建蛋白质的三维结构。目前，已有从氨基酸序列预测二级结构和接触数的方法，但还没有针对RWCO的预测方法。此外，影响RWCO的氨基酸的性质还不清楚。在这里，我们提出了一种基于线性回归的方法来预测RWCO从氨基酸序列，并分析回归参数，以确定与RWCO相关的属性。本方法实现了显着的相关性0.59之间的本地和预测RWCO的平均。RWCO预测的一个不寻常的特征是26个残基的非常大的最佳半窗口大小。局部序列片段的中心和近中心残基的回归参数与接触数预测高度相关，因此与疏水性高度相关。
2005-01-12 q-bio.BM
The GōMartini approach: Revisiting the concept of contact maps and the modelling of protein complexes
本文综述了基于距离阈值的接触图及其在Martini 3力场中构建GōMartini模型的应用，并扩展至蛋白质-糖复合物，讨论了该金标准方法的局限与支持性研究。
2023-11-14 cond-mat.soft q-bio.BM
All-atom inverse protein folding through discrete flow matching
MRC Laboratory of Molecular Biology（英国分子生物学实验室）
本文提出基于离散流匹配的全原子逆向蛋白质折叠模型 ADFLIP，通过逐步引入侧链上下文和集成采样，解决了含非蛋白质组分及多结构状态复合物的序列设计难题，并在单结构和多结构任务中达到最先进性能。
2025-07-04 cs.AI q-bio.BM
Role of Resultant Dipole Moment in Mechanical Dissociation of Biological Complexes
蛋白质-肽相互作用在许多细胞过程中起着重要作用，其结构表征是当前实验和理论研究的主要焦点。20年前，有人提出采用受控分子动力学来评估蛋白质-肽相互作用的强度。使用导向分子动力学模拟背后的想法是，机械稳定性可以用作计算上要求很高的结合亲和力估计的有希望和有效的替代方案。然而，机械稳定性定义为力-延伸曲线的峰值，取决于牵拉方向的选择。在这里，我们提出了一个不寻常的选择的方向上的合力偶极矩矢量，这还没有在模拟中探索到目前为止。采用显式溶剂全原子分子动力学模拟方法，利用操纵分子动力学技术研究了蛋白质-肽体系沿两种不同矢量运动时的机械阻力。与常用的沿着质心矢量的肽解结合相比，沿着合成偶极矩矢量的新的拉动方向导致更强的力。我们的研究结果表明，合成偶极矩是影响蛋白质-肽复合物的机械稳定性的因素之一。
2018-08-10 q-bio.BM
CAML: Commutative algebra machine learning -- a case study on protein-ligand binding affinity prediction
本研究将交换代数机器学习（CAML）应用于蛋白质-配体结合亲和力预测，引入三种新算法处理复合物数据复杂性，并在预测性能上超越现有最先进方法。
2025-04-25 q-bio.BM
3D RNA and functional interactions from evolutionary couplings
非编码RNA无处不在，但新RNA基因序列的发现远远超过了对其结构和功能相互作用的研究。我们挖掘进化序列记录，以获得有关RNA和RNA-蛋白质复合物的功能和结构的精确信息。在蛋白质结构预测中，我们使用序列共变异的最大熵全局概率模型来推断RNA分子内进化约束的核苷酸-核苷酸相互作用，以及RNA-蛋白质复合物中的核苷酸-氨基酸相互作用。预测的接触允许以良好的精度对几种已知的RNA结构和RNA-蛋白质复合物进行全原子盲的3D结构预测。对于未知的结构，我们预测在160个非编码RNA家族的接触。除了3D结构预测，进化耦合有助于识别重要的功能相互作用，例如，在核糖开关的开关点和HIV的复杂成核位点。在加速序列积累的帮助下，进化偶联分析可以加速发现涉及RNA的功能相互作用和3D结构。
2016-04-21 q-bio.BM
Protein abundances and interactions coevolve to promote functional complexes while suppressing non-specific binding
活细胞是如何获得足够丰富的功能性蛋白质复合物，同时最大限度地减少混杂的非功能性相互作用的？在这里，我们研究这个问题，使用第一原理模型的细胞，其表型性状是直接从其基因组通过生物物理特性的蛋白质结构和结合在拥挤的细胞环境中的相互作用。模型细胞包含三个独立的原型通路，其蛋白质相互作用（PPI）子网络的拓扑结构不同，但对细胞适应度的贡献是相等的。模型细胞通过基因型突变和表型蛋白质拷贝数变化进化。我们发现，由于“挫折”效应，进化的蛋白质相互作用的物理化学性质与其丰度之间存在很强的关系：功能相互作用的加强带来了疏水界面，这使得蛋白质易于混杂结合。平衡作用通过降低中心蛋白的浓度同时提高功能单体的溶解度和丰度来实现。基于这些原则，我们生成并分析了酵母中蛋白质组范围PPI网络的可能实现。在该模拟中，我们发现高通量亲和捕获-质谱实验可以仅对高丰度蛋白质以高保真度检测功能性相互作用，而对低丰度蛋白质则错过大多数相互作用。
2010-12-30 physics.bio-ph q-bio.BM q-bio.MN
In vivo evidence of alternative loop geometries in DNA-protein complexes
lac阻遏物使双链DNA成环的体内自由能具有显著的行为，其起源尚未完全了解。除了固有的周期性的DNA双螺旋，在体内的自由能有一个振荡分量的约一半的螺旋周期和振荡的幅度显着小于目前的理论预测的不对称。在这里，我们表明，在体内的行为是准确地占同时存在的两种不同的构象的环状DNA。我们的分析表明，这两种构象具有不同的最佳自由能和相位，并且它们在关键结构蛋白的存在下表现得截然不同。
2006-02-10 cond-mat.soft physics.bio-ph q-bio.BM
Cross-Modality Protein Embedding for Compound-Protein Affinity and Contact Prediction
Texas A&M University（得克萨斯农工大学）
化合物-蛋白质对主导FDA批准的药物-靶标对，并且化合物-蛋白质亲和力和接触（CPAC）的预测可以帮助加速药物发现。在这项研究中，我们认为蛋白质的多模态数据，包括一维氨基酸序列和（序列预测）二维残基对接触地图。我们经验性地评估了两种单一模式的嵌入在其CPAC预测（即无结构可解释的化合物-蛋白质亲和力预测）的准确性和普遍性。我们合理化他们的表现在嵌入个人模态和学习概括嵌入标签关系的挑战。我们进一步提出了两个涉及交叉模态蛋白质嵌入的模型，并确定具有交叉相互作用（从而捕获模态之间的相关性）的模型在亲和力，接触和结合位点预测方面优于SOTA和我们的单一模态模型，这些预测在训练集中从未见过。
2020-11-14 cs.LG q-bio.BM
Identification of DNA-binding protein target sequences by physical effective energy functions. Free energy analysis of lambda repressor-DNA complexes
蛋白质与DNA的特异性结合是控制基因表达的最常见方式之一。虽然可以推导出DNA-蛋白质识别的一般规则，但这种机制的模糊性和复杂性排除了简单的识别代码，因此DNA靶序列的预测并不简单。DNA-蛋白质相互作用的研究可以使用计算方法，可以补充目前的实验方法，并提供一些优势。在目前的工作中，我们使用物理有效势来评估的λ阻遏物-DNA复合物的结构和热力学实验数据的DNA-蛋白质的结合亲和力。通过分子动力学模拟计算的结合能上的构象采样的效果进行评估，结果表明，这种效果一般是负面的，实验值的再现性随着模拟时间的增加而降低。非特异性复合物的结合自由能与早期的理论建议一致。此外，作为这些分析的结果，我们提出了一个用于预测DNA结合靶序列的协议。探讨了使用该协议在噬菌体λ基因组内搜索调控元件的可能性。我们的分析显示出良好的预测能力，即使在没有任何热力学数据和自然识别序列的信息。这项研究支持的结论是，基于物理的方法可以提供一个完全互补的方法，以序列为基础的DNA结合蛋白靶序列的鉴定方法。
2007-12-14 q-bio.BM q-bio.GN
Robust protein-protein interactions in crowded cellular environments
蛋白质相互作用的能力是我们对生命系统功能的概念性理解的基础。蛋白质相互作用特异性的系统水平研究是复杂的事实，细胞环境是拥挤和异质性的相互作用对可能存在于低相对浓度，从而呈现出更多的机会，混杂的相互作用相比，特定的相互作用的可能性。在这里，我们解决这些问题，使用一个简单的计算模型，其中包括专门设计的相互作用的模型蛋白质浸泡在混合物中含有数百个不同的不相关的，所有这些都经历了模拟扩散和相互作用。我们发现，特定的复合物是相当强大的干扰混杂的相互作用的合作伙伴，只有在温度范围Tdesign>T>Trand。在T> T设计特异性复合物变得不稳定，而在T <Trand formation of specific complexes is suppressed by promiscuous interactions. Specific interactions can form only if Tdesign>Trand。这种条件需要在特定复合物中的结合能与随机缔合蛋白质之间的结合能之间存在能隙，从而对特定相互作用蛋白质界面的进化选择或设计提供一般的物理约束。这项工作对我们理解蛋白质库如何在细胞系统中发挥作用和进化具有重要意义。
2007-03-27 q-bio.BM q-bio.MN
Rodlike Complexes of a Polyelectrolyte (Hyaluronan) and a Protein (Lysozyme) observed by SANS
本文用小角中子散射（SANS）方法研究了溶菌酶-海丹聚糖复合物的结构.透明质酸（HA）是一种9 nm固有持久长度的多糖，每个二糖单体带有一个负电荷（Mmol = 401.3 g/mol）;使用两种分子量，Mw = 6000和500 000 Da。将pH调节在4.7和7.4，使得溶菌酶分别具有+10和+8的全局电荷。在HA浓度恒定（10 g/L）的情况下，溶菌酶浓度从3至40 g/L变化。在低蛋白质浓度下，样品是双相的，SANS实验仅揭示浓度的波动，尽管在高蛋白质浓度下，在两相样品的密相中通过SANS观察到簇。在两者之间，接近相分离的开始，观察到明显的原始散射。它的特征是棒状形状，这可以表征涉及一个或几个聚合物链的“单一”复合物。对于大分子量（500 000）的棒状刚性域延伸到更大的长度尺度比单独在溶液中的HA链的持久性长度和SANS调查的范围。它们可以被描述为沿着直径为一条或几条HA链的主链连接的蛋白质项链。对于短链（Mw ~ 6000），配合物的杆长接近链轮廓长度（~ 15 nm）。
2012-10-03 cond-mat.soft physics.bio-ph q-bio.BM
Optimality of Moore neighborhoods in protein contact maps
蛋白质接触图是捕捉蛋白质原子之间的距离关系的二元对称邻接矩阵。蛋白质接触图的每个单元（i，j）表示原子（节点）i和j彼此之间是否在某个欧几里德距离内。我们通过一次突变一个细胞来检查完整蛋白质接触图中每个细胞（i，j）周围的半径为1的摩尔邻域，其中j >（i + 2）。我们发现，在没有其他配置可以保持或改善现有的本地和全局效率的节点驻留在一个街区的意义上，一个街区的特定配置通常是（97%）最佳的。节点的局部效率与其聚类度量直接相关。节点的全局效率与其到网络中其他节点的距离成反比。完整蛋白质接触图中摩尔邻域的这一特征可以解释蛋白质残基网络如何能够形成长距离链接以减少平均路径长度，同时在整个小世界形成过程中保持高水平的聚类，并可能为蛋白质接触图预测提出新的方法。有效地，蛋白质接触图预测的问题转化为最大化的最佳邻域的数量之一。相比之下，具有随机长距离链接的蛋白质接触图中的摩尔邻域不太理想。
2013-05-06 q-bio.BM q-bio.MN
Structured Random Binding: a minimal model of protein-protein interactions
本文提出结构化随机结合（SRB）模型，基于无序系统统计物理描述蛋白质相互作用，揭示非特异性结合相变及弱结合复合物向特异性复合物的演化条件，并发现演化同源二聚体界面结构与真实蛋白质一致。
2025-03-26 cond-mat.soft cond-mat.stat-mech physics.bio-ph
Multiscale Visual Drilldown for the Analysis of Large Ensembles of Multi-Body Protein Complexes
在研究多体蛋白质复合物时，生物化学家使用计算工具，可以提出数百或数千种可能的空间构型。然而，这是不可行的实验验证超过只有一个非常小的子集。在本文中，我们提出了一种新的多尺度可视化钻取方法，该方法是与蛋白质组学专家紧密合作设计的，可以系统地探索配置空间。我们的方法利用了数据的层次结构--从蛋白质复合物的整体构型到单个构型、它们的接触界面和相互作用的氨基酸。我们的新解决方案基于交互式链接的2D和3D视图，用于各个层次结构级别，在每个级别上，我们提供一组选择和过滤操作，使用户能够缩小需要手动检查的配置数量。此外，我们还提供了一个专用的过滤器界面，为用户提供了所应用的过滤操作的概述，并使他们能够检查其对所探索的合奏的影响。通过这种方式，我们维护了探索过程的历史，从而使用户能够返回到探索的早期点。我们证明了我们的方法的有效性，由合作蛋白质组学专家进行的两个案例研究。
2019-07-09 cs.HC q-bio.BM
Soft disorder modulates the assembly path of protein complexes
蛋白质的相互作用，灵活性和无序之间的关系已经从许多角度进行了探讨：折叠绑定后，灵活性的核心相对于外围，熵的变化等。在这项工作中，我们提供了统计证据参与复杂的组装高度流动和无序的区域。我们将PDB中的整套X射线晶体学结构排序为涉及相同或非常相似的蛋白质链的渐进相互作用的层次结构，产生了40205个复合物层次结构，其中伴侣数量不断增加。然后，我们检查他们作为代理的组装途径。使用这个数据库，我们表明，低聚后，新的接口往往被观察到的残基，其特征在于软无序（灵活，无定形或缺失的残基）在复合物之前，他们在层次结构。我们还排除了这种相关性只是一个表面效应的可能性，通过限制表面上的残留物的分析。有趣的是，我们发现，软无序残基的位置在序列中的变化，作为合作伙伴的数量增加。我们的研究结果表明，有一个一般的机制，蛋白质组装，涉及软无序和调制蛋白质复合物的组装方式。这项工作突出了从序列中预测大蛋白质复合物结构的困难，并强调了将疾病预测因子与下一代复杂结构预测因子联系起来的重要性。最后，我们调查的AF 2的置信度pLDDT的结构预测在未绑定与绑定结构，和软无序之间的关系。我们显示了很强的相关性AF2低置信度的残留物和工会的软障碍的层次结构中观察到的所有地区。这为使用pLDDT度量作为预测装配路径的代理铺平了道路。
2022-10-19 cond-mat.dis-nn cond-mat.soft q-bio.BM
Towards Joint Sequence-Structure Generation of Nucleic Acid and Protein Complexes with SE(3)-Discrete Diffusion
Profluent Bio；AI Research Lab（AI研究实验室）
本文提出MMDiff，利用SE(3)-离散扩散噪声联合生成核酸与蛋白质复合物的序列和结构，并通过新基准验证其在micro-RNA、单链DNA及多链复合物建模中的有效性。
2023-12-21 cs.AI cs.LG q-bio.BM
Multiple barriers in forced rupture of protein complexes
在动态力谱（DFS）中观察到的生物分子复合物的最可几断裂力（$f^*$）与对数加载速率（$\log{r_f}$）的曲率解释使用一维自由能分布与多个障碍或一个单一的障碍与力依赖的过渡态。在这里，我们提供了一个标准来选择一个场景。如果断裂动力学是通过跨越描述解束缚的物理自由能曲线中的单个势垒而发生的，则从$(1- f^*/f_c)^{1/ν}\sim(\log r_f)$得到的指数$ν$（其中$f_c$是在没有力的情况下的临界力）被限制为$0.5 \leq ν\leq 1$。对于生物素配体复合物和白细胞相关抗原-1结合细胞间粘附分子，其在DFS数据中显示大曲率，与实验数据拟合产生$ν<0.5$，表明配体解结合与多屏障穿越相关。
2012-04-06 cond-mat.soft physics.bio-ph q-bio.BM
Hierarchical, rotation-equivariant neural networks to select structural models of protein complexes
Stanford University（斯坦福大学）
预测多蛋白质复合物的结构是生物化学中的一个巨大挑战，对基础科学和药物发现具有重大意义。计算结构预测方法通常利用预定义的结构特征来区分准确的结构模型和不太准确的结构模型。这就提出了一个问题，即是否有可能直接从蛋白质复合物的原子坐标中学习精确模型的特征，而无需事先假设。在这里，我们介绍了一种机器学习方法，该方法直接从所有原子的3D位置学习，以识别蛋白质复合物的准确模型，而不使用任何预先计算的物理或统计术语。我们的神经网络架构结合了多种成分，这些成分共同实现了从包含数万个原子的分子结构中进行端到端学习：原子的基于点的表示，旋转和平移的等方差，局部卷积和分层子采样操作。当与以前开发的评分函数结合使用时，我们的网络大大提高了在大量可能模型中识别准确结构模型的能力。我们的网络还可以用于预测给定结构模型的绝对精度。我们提出的架构是很容易适用于其他任务，涉及学习大型原子系统的3D结构。
2021-01-23 cs.CV cs.LG q-bio.BM
Electrostatic complementarity at the interface drives transient protein-protein interactions
本研究分析了大型蛋白质复合物数据集，发现静电互补性在瞬态（低结合亲和力）复合物中发挥更大作用，并提出一种无需复合物结构即可测量静电互补性的快速方法，其区分瞬态与永久复合物的ROC AUC达0.8。
2022-08-21 physics.bio-ph q-bio.BM
Inferring interaction partners from protein sequences using mutual information
功能性蛋白质相互作用在大多数细胞过程中是至关重要的。它们使多蛋白质复合物能够组装并保持稳定，并且它们允许各种途径中的信号转导。蛋白质之间的功能性相互作用导致相互作用伙伴之间的共同进化，从而导致它们的序列之间的相关性。基于成对最大熵的模型已经能够从已知相互作用伴侣的序列数据中的相关性开始，成功地推断在多蛋白质复合物的三维结构中接触的氨基酸残基对。最近，受这些方法启发的算法已经被开发出来，以确定哪些蛋白质是两个家族的旁系同源蛋白质之间的功能相互作用伙伴，仅从序列数据开始。在这里，我们证明了一个略高的性能，合作伙伴识别可以达到一个近似最大化的两个蛋白质家族的序列比对之间的互信息。我们的基于互信息的方法还提供了蛋白质家族之间存在相互作用的签名。这些结果与来自序列数据的蛋白质和多蛋白质复合物的结构预测形成对比，其中与互信息相比，基于成对最大熵的全局统计模型大大提高了性能。我们的研究结果意味着，统计依赖性，允许从序列数据的相互作用伙伴预测不限于在伙伴蛋白质之间的界面处直接接触的残基对。
2018-11-13 physics.bio-ph q-bio.BM
Predicting diverse M-best protein contact maps
蛋白质接触包含了蛋白质结构和功能研究的重要信息，但从序列信息预测接触仍然是非常具有挑战性的。近年来，进化偶联（EC）分析在多序列序列比对（MSA）中通过检测共同进化的残基（或柱）来预测接触，由于更好的统计评估技术和高通量测序而取得了良好的进展。现有的EC分析方法仅预测给定蛋白质的单个接触图，这可能具有低准确性，特别是当待预测的蛋白质不具有大量序列同源物时。类似于从头折叠通常预测一个给定的蛋白质序列的几个可能的3D模型，本文提出了一种新的结构学习方法，可以预测一组不同的接触图为一个给定的蛋白质序列，其中最好的解决方案通常有更好的精度比第一个。我们的实验测试表明，对于许多测试蛋白质，由我们的方法产生的5个解决方案中的最佳解决方案的准确性至少比第一个好0.1，当评估前L/5或L/10（L是序列长度）预测的长程接触时，特别是对于具有少量序列同源物的蛋白质家族。我们最好的解决方案也比两种流行的EC方法Evfold和PSICOV产生的质量更好。
2015-11-30 q-bio.BM q-bio.QM
What geometrically constrained folding models can tell us about real-world protein contact maps
蛋白质的3D结构可以根据其氨基酸序列来确定的机制一直是生物物理学的关键奥秘之一。通常，简单化的模型，例如那些来自几何约束的模型，可以很好地捕捉大量真实世界的3D蛋白质-蛋白质特性。一种方法是使用蛋白质接触图来更好地了解蛋白质的特性。在这里，我们调查接触映射不同的几何约束模型和现实世界的蛋白质系统的紧急行为。我们推导出一个分析近似的模型氨基酸的距离，$s$，通过平均场的方法的分布。然后，使用2D和3D随机相互作用模型以及真实世界蛋白质数据的接触图来验证这种近似。使用来自RCSB蛋白质数据库（PDB）和AlphaFold~2数据库的数据，将分析近似值拟合至$L\approx100$、$L\approx200$和$L\approx300$的蛋白质链长度。虽然不能推导出不同长度的蛋白质链的普遍标度行为，我们提出的证据表明，氨基酸距离分布可以归因于几何约束的蛋白质链的散装和氨基酸序列只发挥次要作用。
2022-12-29 physics.bio-ph q-bio.BM
Unwrapping of DNA-protein complexes under external stretching
研究了由半柔性链和具有吸引力的球形核组成的DNA-蛋白质复合物，当链的一端单体受到外力作用，而另一端单体在空间保持固定时的情况.在没有拉伸力的情况下，链条缠绕在芯上。通过施加外部拉伸力，诱导复合物的解缠绕。我们通过计算机模拟和简单的唯象理论来研究解缠过程的静态和动态。我们发现两种不同的情况下，取决于链的刚度：对于一个灵活的链，复杂的规模线性的外力的扩展。球-链复合体是无序的，即链围绕球没有明显的缠绕。另一方面，对于刚性链，复杂的结构是有序的，这让人想起核小体。外拉伸下的解缠过程是不连续的，距离-力曲线有跳跃。这与复合物的离散解旋过程有关。我们的预测是相关的实验，测量力延伸曲线的DNA-蛋白质复合物，如核小体，使用光镊。
2004-03-15 cond-mat.soft cond-mat.stat-mech q-bio.BM
