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
Effects of ligand binding upon flexibility of proteins
蛋白质上的配体的结合改变了蛋白质的某些部分的柔性，这直接影响其功能。这些变化在每个点上都不一样，有些部分变得更灵活，有些部分变得更僵硬。在这里，推导出一个方程，给出了蛋白质的刚度图。该模型是基于需要通过分子动力学模拟来评估的点对的波动的相关性。该模型也铸造的高斯网络模型和刚度的变化时，AKT1的二聚体作为一个例子进行了评估。
2015-01-12 q-bio.BM
CABS-flex 2.0: a web server for fast simulations of flexibility of protein structures
蛋白质柔性的经典模拟在计算上仍然是昂贵的，特别是对于大的蛋白质。几年前，我们开发了一种快速预测蛋白质结构波动的方法，该方法使用单个蛋白质模型作为输入。该方法已被用作CABS-Flex Web服务器，并应用于蛋白质结构-功能关系的许多研究。在这里，我们介绍了CABS-flex Web服务器到2.0版本的主要更新。新功能包括：该方法的扩展，以显着更大和多聚体蛋白质，可定制的距离限制和模拟参数，接触地图和一个新的，增强的网络服务器界面。CABS-flex 2.0可在http://biocomp.chem.uw.edu.pl/CABSflex2上免费获得
2018-02-21 q-bio.BM
Predicting Protein-Nucleic Acid Flexibility Using Persistent Sheaf Laplacians
Michigan State University（密歇根州立大学）
本文提出持续层拉普拉斯算子（PSL）框架预测蛋白质-核酸复合物的B因子柔性，整合多尺度与拓扑方法，在三个数据集上较GNM和mFRI最高提升21%的皮尔逊相关系数。
2025-10-23 q-bio.BM q-bio.QM
CABS-flex standalone 3: an open command-line platform for protein flexibility simulation, peptide structure modeling, and protein-peptide docking
Faculty of Chemistry, Biological and Chemical Research Centre, University of Warsaw（华沙大学化学学院生物与化学研究中心）
提出CABS-flex standalone 3，一个基于CABS粗粒化模型的开放命令行平台，用于蛋白质柔性模拟、肽结构建模和蛋白质-肽对接，结合全原子重建与分析。
2026-06-24 q-bio.BM
Atom-specific persistent homology and its application to protein flexibility analysis
最近，持续同源性在生物分子数据分析中取得了巨大的成功。它的工作原理是在各种尺度下检查分子中一组原子的拓扑关系或连通性，然后绘制分子的拓扑表示族。然而，持久同源性很少{雇用}的原子性质的分析，如生物分子的灵活性分析或B因子预测。这项工作引入了原子特异性的持久同源性，通过全局拓扑工具提供分子的局部原子水平表示。这是通过构造一对共轭原子集和相应的共轭单纯复形以及共轭拓扑空间来实现的。共轭集对的拓扑不变量之间的差异是衡量瓶颈和Wasserstein度量，并导致在分子中的单个原子性质的原子特定的拓扑表示。原子特定的拓扑特征与各种机器学习算法集成，包括梯度提升树和卷积神经网络，用于蛋白质热波动分析和B因子预测。大量的数值结果表明，所提出的方法提供了一个强大的拓扑工具，分析和预测局域信息。
2019-03-26 q-bio.BM q-bio.QM
Inherent flexibility determines the transition mechanisms of the EF-hands of Calmodulin
我们探讨了如何固有的灵活性的蛋白质分子的影响的变构转换的动力学控制机制，使用变分模型的启发工作在蛋白质折叠。预测的钙调素（CaM）的两个结构域的开放的过渡机制的显着差异强调，固有的灵活性是理解蛋白质中发生的复杂构象变化的关键。特别地，CaM的C-末端结构域（cCaM）固有地比其N-末端结构域（nCaM）更不灵活，在开放/闭合转变期间显示“开裂”或局部部分解折叠。这一结果与以下观点相一致：由于足够刚性的蛋白质的构象变形，开裂会释放局部应力。我们还比较了最近研究的“偶奇”配对片段的钙调素的构象转变。我们的研究结果合理化不同的相对结合亲和力的EF-手在工程片段相比，完整的“奇-偶”配对EF-手（nCaM和cCaM）的变化，在灵活性沿过渡路线。除了阐明有关裂解机制的一般理论思想外，这些研究还强调了CaM的显着内在可塑性是如何成为其多种功能所必需的构象动力学的基础。
2008-07-10 q-bio.BM q-bio.QM
Simplified flexibility analysis of proteins
了解蛋白质可能的功能运动的一种简单方法是执行正常模式分析（NMA）。事实上，它已被证明，因此获得的低频模式往往是密切相关的结构域运动参与蛋白质功能。此外，由于蛋白质低频模式已知是鲁棒的，因此可以使用粗粒度模型执行NMA。因此，它可以做的大合奏的构象，以及为大型系统，如核糖体，整个病毒衣壳等出乎意料的是，在高频侧，与截止为基础的粗粒度模型获得的模式似乎也能够提供有用的见解蛋白质的动力学特性。
2013-12-19 q-bio.BM
CABS-flex predictions of protein flexibility compared with NMR ensembles
动机：识别蛋白质结构的柔性区域对于理解其生物学功能非常重要。最近，我们已经开发出一种快速的方法来预测蛋白质结构波动从一个单一的蛋白质模型：CABS-flex。CABS-flex被证明是一种有效的替代传统的全原子分子动力学（MD）。在这项工作中，我们评估CABS-Flex和MD预测的NMR合奏内的蛋白质结构变化进行比较。结果如下：基于一个基准集的140种蛋白质，我们表明，从CABS-Flex获得的蛋白质残基的相对波动是相关的NMR合奏。平均而言，这种相关性比MD和NMR系综之间的相关性更强。总之，CABS-flex是有用的和互补的MD在预测的蛋白质区域进行构象变化和这种变化的程度。
2014-03-19 q-bio.BM
FlexVDW: A machine learning approach to account for protein flexibility in ligand docking
Stanford University（斯坦福大学）
最广泛使用的配体对接方法假定刚性蛋白质结构。当靶蛋白的结构在配体结合时变形时，这导致问题。特别是，配体的真实结合位姿通常由于配体和蛋白质原子之间的明显冲突而被非常不利地评分，这导致计算的范德华能量项的极高值。传统上，这个问题已经通过明确寻找受体构象来解决，以解释受体在配体结合中的灵活性。在这里，我们提出了一个经过训练的深度学习模型，在预测范德华能量时隐式地考虑受体的灵活性。我们表明，将这种机器学习的能量项纳入最先进的基于物理学的评分函数中，可以在蛋白质变形较大的情况下改善小分子配体姿势预测结果，而不会在蛋白质变形最小的情况下降低性能。这项工作证明了学习蛋白质的灵活性对配体结合的影响的可行性，而无需明确建模蛋白质结构的变化。
2023-03-20 cs.LG q-bio.BM
Persistent homology analysis of protein structure, flexibility and folding
蛋白质是生物体中最重要的生物分子。对蛋白质结构、功能、动力学和转运的理解是生物科学中最具挑战性的任务之一。在本工作中，持久同源性，首次引入提取分子拓扑指纹（MTF）的基础上的分子拓扑不变量的持久性。MTF用于蛋白质表征、鉴定和分类。提出了一种基于切片的蛋白质拓扑不变量几何起源跟踪方法。构造了MTF的全原子表示和粗粒度表示。提出了一种新的类截止滤波方法，用以解决弹性网络模型中的最优截止距离问题。基于蛋白质的紧密性、刚性和连接性之间的相关性，提出了一种基于持久拓扑不变量的蛋白质柔性定量建模方法。为此，开发了基于相关矩阵的过滤。这种方法可以准确预测蛋白质B因子分析中使用的最佳特征距离。最后，利用传递函数表征了蛋白质折叠过程中蛋白质的拓扑演化，并定量预测了蛋白质折叠的稳定性。我们的持久同源性预测与分子动力学模拟结果具有很好的一致性，揭示了蛋白质的拓扑-功能关系。
2014-12-08 q-bio.BM
Multiscale differential geometry learning for protein flexibility analysis
本研究提出基于微分几何的多尺度模型（mDG），通过分析低维流形曲率预测蛋白质B因子，在364个蛋白质数据集上比经典高斯网络模型准确率提升27%，并结合机器学习实现盲预测。
2024-11-05 q-bio.BM
Commutative Algebra Learning for Protein Flexibility Analysis
University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）
提出基于交换代数的学习框架CAL，通过构建多尺度局部代数描述符，在364个蛋白质数据集上相比经典高斯网络模型预测精度提升34.5%，并实现跨蛋白质B因子盲预测。
2026-07-01 q-bio.BM
Flexibility of $α$-helices: Results of a statistical analysis of database protein structures
$α$ -螺旋作为蛋白质的常见和相对不变的二级结构元件而突出。然而，$α$ -螺旋不是刚体，并且它们的变形在蛋白质功能中可能是显著的（{ \it例如}）。盘绕的线圈）。为了量化的灵活性的$α$ -螺旋，我们已经进行了结构的主成分分析的不同长度的螺旋从一组代表性的蛋白质折叠在蛋白质数据库。我们发现三个主导模式的灵活性：两个退化的弯曲模式和一个扭曲模式。对于每种模式，数据与独立的高斯分布一致。测量柔性的模式特征值遵循简单的缩放形式作为螺旋长度的函数。主要的弯曲和扭曲模式及其谐波再现一个简单的弹簧模型，其中包括氢键和排除体积。作为一个应用程序，我们研究的弯曲和扭曲的螺旋，使几个卷曲螺旋蛋白质的量。将$α$ -螺旋柔性纳入结构细化和设计进行了讨论。
2002-09-25 cond-mat.soft cond-mat.stat-mech q-bio.BM
Insights on Rigidity and flexibility at the Global and Local Levels of Protein Structures and their Roles in Homologous Psychrophilic, Mesophilic and Thermophilic Proteins: A Computational Study
同源嗜冷（P），嗜中温（M）和嗜热（T）蛋白质的刚性和柔性进行了研究，在全球和当地的包装因子和原子波动的B-因子。为了比较原子涨落，建议并验证了通过以统一的方式考虑来自所有来源的B因子中的误差来校正误差，并将涨落转换为相同的温度。结果表明，在全球范围内的平均包装因子之间的三个类的蛋白质同源物的值没有差异，但在局部水平上有差异。同源蛋白质三联体的比较表明，在给定的温度下，平均原子涨落服从P>M>T的顺序。包装因子和原子波动是反相关的，这表明改变活性位点的刚性可能是一种潜在的策略，使定制的嗜冷或嗜热蛋白质从它们的嗜温同系物。
2021-06-07 physics.bio-ph q-bio.BM
Fast and Anisotropic Flexibility-Rigidity Index
柔度-刚性指数（FRI）是一种新提出的构造原子刚性函数的方法。FRI方法分析蛋白质的刚性和柔性，并且能够预测蛋白质B因子，而无需求助于矩阵对角化。FRI中使用的一个基本假设是，蛋白质结构由各种内部和外部相互作用唯一决定，而蛋白质功能，如稳定性和灵活性，仅由结构决定。因此，人们可以预测蛋白质的灵活性，而不诉诸蛋白质相互作用的哈密顿量。因此，绕过矩阵对角化，原始FRI具有O（N^2）的计算复杂度。介绍了一种用于大分子柔性分析的快速FRI算法。所提出的fFRI进一步将计算复杂度降低到O（N）。此外，我们提出了各向异性FRI（aFRI）算法的蛋白质集体动力学分析。aFRI算法允许自适应Hessian矩阵，从完全全局的3 N * 3 N矩阵到完全局部的3*3矩阵。然而，这些局部3*3矩阵已经建立了许多非局部相关性。此外，我们比较了FRI的精度和效率与一些{已建立}的方法，即正常模式分析（NMA）和高斯网络模型（GNM）的柔性分析。测试了FRI方法的准确性。FRI，特别是fFRI，比该领域一些最流行的方法效率高出几个数量级，总体准确度高出约10%。所提出的fFRI能够在不到30秒的时间内在仅使用一个核心的单个处理器上预测HIV病毒衣壳的α碳（313，236个残基）的B因子。最后，我们展示了FRI和aFRI蛋白质结构域分析的应用。
2014-12-08 q-bio.BM
Rapid simulation of protein motion: merging flexibility, rigidity and normal mode analyses
蛋白质功能经常涉及在时间尺度上具有大幅度的构象变化，这对于使用分子动力学访问是困难的并且计算昂贵的。在本文中，我们报告了三个计算成本低廉的模拟方法的组合正常模式分析使用的弹性网络模型，刚性分析使用卵石游戏算法，和蛋白质运动的几何模拟探索构象变化沿正常模式特征向量。使用ELNEMO和FIRST/FRODA软件的组合，可以使用桌面计算资源在几分钟内快速探索具有数百或数千个残基的蛋白质中的大幅度运动。我们将该方法应用于一组具有代表性的六种蛋白质，涵盖了一系列的大小和结构特征，并表明该方法在每种情况下识别特定类型的运动，并确定其幅度限制。
2012-01-25 q-bio.BM
The dynamics and flexibility of protein disulphide-isomerase (PDI): predictions of experimentally-observed domain motions
我们已经研究了流动性的折叠催化剂，蛋白质二硫化物异构酶（PDI），分子动力学和快速的方法的基础上的灵活性。我们分析了我们的模拟使用措施的骨干运动，相对位置和方向的域，功能位点之间的距离。尽管假设不同，但这两种方法惊人地一致。这两种方法都认为，畴的运动是由a和a'畴相对于中心b-b'畴核的铰链和旋转运动所支配的。我们确定的a'域显示出最大的域内的流动性。柔度法所需的计算能力比柔度法低10^4倍，它可以预测实验中观察到的畴间运动的其他大尺度特征。我们的结论是，该方法提供了互补的洞察这个大蛋白质的运动，并提供详细的结构模型，其功能显着的构象变化。
2013-03-19 q-bio.BM
Kinematic Flexibility Analysis: Hydrogen Bonding Patterns Impart a Spatial Hierarchy of Protein Motion
弹性网络模型（ENM）和基于约束的拓扑刚性分析是研究大分子构象柔性的两种不同的粗粒度方法。自引入以来的二十年中，两者都为深入了解蛋白质分子机制和功能做出了重大贡献。然而，尽管这些方法的共同目的，刚性分析的拓扑性质，从而缺乏运动模式，阻碍了直接比较。在这里，我们提出了一种替代的，运动学的方法来进行刚度分析，它规避了这些缺点。我们介绍了一种新的蛋白质氢键网络光谱分解，它提供了一个正交规范的基础上调制的集体运动的非共价相互作用，类似于正常模式的本征谱，并分解成刚性集群的蛋白质相同的拓扑刚性。我们的运动灵活性分析桥梁拓扑刚性理论和ENM，并使从这两种方法获得的运动模式的详细分析。我们的分析表明，集体的蛋白质运动，报告的香农熵，是显着较低的刚性理论与正常模式的方法。引人注目的是，运动学灵活性分析表明，氢键网络编码蛋白质折叠特定的，空间层次的运动，这在ENM几乎未被发现。这种层次结构揭示了不同的运动制度，合理化从实验和分子动力学模拟观察到的蛋白质刚度变化。从谱分解中推导出的自由能变化的正式表达式表明，近40%的模式的运动服从焓-熵补偿。总之，我们的分析表明，氢键网络已经进化到调节蛋白质结构和动力学。
2018-02-23 cs.CG q-bio.BM
Residue mobility has decreased during protein evolution
在研究属于所有四个主要结构类别的76个最常见结构域的所有非冗余蛋白质的所有原子的B因子时，发现在进化过程中残基迁移率降低。虽然在蛋白质结构进化的早期阶段，增加的残基柔性是首选的，但在中世纪和近代阶段，较少的柔性是首选的。发现GLU是最灵活的残留物，而VAL记录具有最小的灵活性。B因子减少的一般趋势符合蛋白质结构域出现顺序的一般趋势。观察到B因子的递减对VAL最具决定性（单调和均匀），而CYS和LYS灵活性的演变最不对称。除CYS外，发现所有残基的柔性在α-β折叠的进化过程中增加，然而发现所有残基（除CYS外）的柔性在所有β折叠的进化过程中降低。只有在α-β折叠中，可以观察到偏好较高残基迁移率的趋势，既没有发现α + β，也没有发现所有α或所有β折叠都支持较高残基迁移率。在所有的结构类别中，极性残基的进化约束的效果被发现遵循一个完全相同的趋势，疏水残基，只有这些影响的程度被发现是不同的。虽然蛋白质的大小被发现在进化过程中减少，属于古老的和旧的结构域的蛋白质的残基迁移率表现出强烈的正依赖于蛋白质的大小，但对于中世纪和最近的域，这种依赖性消失。结果发现，为了优化残基的波动，α β类蛋白质受到更严格的进化约束。
2012-12-12 q-bio.BM
Predicting directional flexibility in proteins
DBB and SciLifeLab at Stockholm University（斯德哥尔摩大学生物生物学与系统生物学中心及科学生命实验室）；Max Planck Institute for Polymer Research（马克斯·普朗克聚合物研究所）；Heidelberg Institute for Theoretical Studies（海德尔堡理论研究所）；IWR, Heidelberg University（海德尔堡大学计算与数学研究所）
针对蛋白质动力学预测成本高的问题，提出SE(3)等变图神经网络BackFlip-2，直接从平衡结构预测方向性柔性等动力学描述符，精度媲美大模型且速度提升多个数量级。
2026-09-09 q-bio.BM
Flexibility of beta-sheets: Principal-component analysis of database protein structures
蛋白质折叠主要由两种类型的结构堆积在一起：α-螺旋和β-折叠。这两种结构都不是刚性的，并且螺旋和片层的柔性在确定最终折叠（{ \it例如}，盘绕的线圈和β-桶）。最近的工作已经使用数据库螺旋结构的主成分分析（PCA）量化了α-螺旋的灵活性（Emberly，2003）。在这里，我们使用PCA的β-折叠结构的数据库上的β-折叠的灵活性的分析。对于不同尺寸和几何形状的片材，我们发现两种主要的柔性模式：扭曲和弯曲。这些模式的振幅分布被发现是高斯和独立的，这表明PCA扭曲和弯曲模式可以被识别为软弹性正常模式的片材。我们考虑了模式本征值与片尺寸的缩放，并发现平行β-片比反平行片在整个研究范围内更刚性。最后，我们讨论了我们的PCA结果的建模和设计的β折叠蛋白质的应用。
2003-09-04 cond-mat.mtrl-sci cond-mat.soft q-bio.BM
Predicting evolutionary site variability from structure in viral proteins: buriedness, packing, flexibility, and design
最近的一些工作表明，蛋白质结构可以预测位点特异性进化序列变异。特别是，被掩埋和/或与结构中的其他位点有许多接触的位点平均而言比接触很少的表面位点演化得更慢。在这里，我们提出了一个全面的研究在何种程度上众多的结构特性可以预测序列变异。我们考虑的数量包括掩埋度（通过相对溶剂可及性测量），堆积密度（通过接触数测量），结构灵活性（通过B因子，均方根波动和二面角变化测量），以及设计结构的可变性。我们获得的结构灵活性措施都从分子动力学模拟上进行的9个非同源病毒蛋白质结构，并从这些蛋白质的同源变体的变化，在可用的。我们从Rosetta软件中的柔性骨架设计中获得了设计结构的可变性的测量。我们发现，大多数的结构特性与网站的变化，在大多数的结构，虽然相关性一般较弱（相关系数为0.1至0.4）。此外，我们发现埋藏和包装密度是更好的预测进化变异比结构的灵活性。最后，在设计结构的变异性是一个较弱的预测进化变异性比埋葬或堆积密度，但它是在其预测能力的最佳结构的灵活性措施。我们的结论是，简单的措施埋葬和包装密度是更好的进化变异的预测比更复杂的预测从动态模拟，合奏同源结构，或计算蛋白质设计。
2014-07-21 physics.bio-ph q-bio.BM
Protein structural variation in computational models and crystallographic data
正态模分析提供了一种有效的方法来模拟蛋白质结构的构象灵活性。由接触拓扑定义的简单模型（称为弹性网络模型）已用于对各种系统进行建模，但验证通常限于单个蛋白质的单个模式。我们使用晶体学的各向异性位移参数来测试构象变化的大小和方向性的预测质量。从四个简单的弹性网络模型的潜力和CHARMM力场的正常模式计算的数据集的83个不同的，高分辨率的晶体结构。虽然所有五种势都能很好地预测柔性的大小，但考虑所有原子的方法在预测方向性方面具有明显的优势，而CHARMM势产生了最好的一致性。从不同的潜力的低频模式是相似的，但从CHARMM势计算的弹性网络模型显示出最大的差异。通过计算PDZ域结构的不同势能的动态相关矩阵来说明这一点。正常模式的结果与各向异性的温度因素的比较，打开了使用的可能性？分辨率晶体学数据作为分子的灵活性的定量测量。综合评估表明，使用不同复杂性的正常模式电位的成本和效益。动态相关矩阵的比较表明，拓扑和化学势的组合可能有助于确定残基中的化学力作出很大贡献的分子内耦合。
2006-11-09 q-bio.BM q-bio.QM
Flexibility-Conditioned Protein Structure Design with Flow Matching
Heidelberg Institute for Theoretical Studies, Heidelberg, Germany（海德堡理论研究所）；IWR, Heidelberg University, Heidelberg, Germany（海德堡大学生物医学研究所）；Max Planck Institute for Polymer Research, Mainz, Germany（马克斯·普朗克聚合物研究所）；Biophysics at Stockholm University（斯德哥尔摩大学生物物理学系）；Science for Life Laboratory, Stockholm, Sweden（生命科学实验室）；IAR, Karlsruhe Institute of Technology, Karlsruhe, Germany（卡尔斯鲁厄理工学院）
针对当前蛋白质设计仅能生成静态性质的局限，提出基于灵活性的结构生成框架，通过BackFlip预测残基灵活性，FliPS生成目标灵活性谱的骨架，经MD模拟验证能生成新型多样的蛋白质骨架。
2025-06-29 cs.LG physics.comp-ph q-bio.BM
Importance of chirality and reduced flexibility of protein side chains: A study with square and tetrahedral lattice models
在简单的模型中，侧链通常被隐含地表示（例如，通过自旋状态）或简化为一个原子。我们使用正方形晶格和四面体晶格模型研究侧链效应，明确的侧链的两个原子。由于蛋白质中的残基是L-残基，并且它们的侧链采用不同的旋转异构体状态，因此我们区分了由于手性和由于侧链灵活性的影响。对短链进行了详尽的列举。对于长链，我们有效地采样罕见的事件（例如，紧凑的构象），并获得完整的图片，这些模型在所有的紧凑区域的系综性质。我们发现，手性和减少侧链的灵活性降低的折叠熵显着降低全局紧凑的构象，这表明它们是重要的属性，以确保快速折叠和稳定的天然结构的残基。这很好地符合我们的发现，即天然氨基酸残基具有降低的有效柔性，如通过旋转异构体文库和侧链可旋转键的分析所证明的。我们进一步发展了一种方法，计算精确的侧链熵为一个给定的骨干结构。我们发现，简单的旋转异构体计数往往低估侧链熵显着，侧链熵并不总是与主链包装。在具有最大侧链熵的紧凑主链中，螺旋结构成为主要构型。我们的研究结果表明，侧链熵可能是一个重要的因素，有助于形成α螺旋的紧凑构象。
2004-04-10 q-bio.BM
Structural flexibility of intrinsically disordered proteins induces stepwise target recognition
内在无序蛋白（IDP）缺乏稳定的三维结构，而当其与靶分子结合时折叠成特定结构。在一些IDP-靶复合物中，并非所有的靶结合表面都暴露在外部，并且在它们的结合过程中观察到中间状态。我们认为，通过中间状态的逐步目标识别是IDP与具有"隐藏"结合位点的目标结合的特征。为了研究IDP与隐藏靶结合位点的结合，我们在HP模型的基础上构建了IDP晶格模型。在我们的模型中，IDP被建模为一个链和目标被建模为一个高度粗粒度的对象。我们引入运动和内部相互作用的目标，以隐藏其结合位点。在未隐藏的结合位点的情况下，观察到的自由状态和结合状态之间的两个状态的过渡，我们认为，这代表耦合折叠和绑定。引入隐藏的结合位点，我们发现了一个中间结合状态，在该状态下IDP形成各种结构以暂时稳定复合物。中间状态为IDP进入隐藏的结合位点提供了支架。我们称这个过程为多形式绑定。我们的结论是，IDPs的结构灵活性，使他们能够访问隐藏的结合位点，这是一个功能优势的IDPs。
2013-11-12 q-bio.BM
Molecular glues stabilize water-mediated hydrogen bonds in ternary complexes
Technische Universität Berlin（柏林工业大学）；Universitat Politècnica de Catalunya（加泰罗尼亚理工大学）
本研究通过分子动力学模拟发现，分子胶通过调节蛋白质柔性并改变水介导氢键的模式与稳定性来稳定蛋白质间的瞬时相互作用，强调了水介导氢键在分子胶合理设计中的重要性。
2025-10-18 q-bio.BM
Probing Protein Ensemble Rigidity and Hydrogen-Deuterium exchange
使用程序FIRST可以准确有效地分析蛋白质的刚性和柔性。先前使用FIRST的研究旨在使用单个静态（快照）结构分析蛋白质的刚性和柔性。然而，众所周知的是，蛋白质可以经历自发的亚分子解折叠和重折叠，或构象动力学，即使在非常有利于明确定义的天然结构的条件下。这些（局部）解折叠事件导致大量构象异构体，它们彼此之间的差异非常微小。在这种情况下，蛋白质更好地表示为“类天然”结构的热力学系综，而不仅仅是作为一个单一的静态低能结构。工作与这个概念，我们引入了一种新的FIRST为基础的方法来预测刚性/柔性的蛋白质合奏（i）平均从整个合奏的氢键强度和（ii）通过细化的数学模型的氢键。此外，我们结合我们的第一合奏刚性预测与合奏溶剂可及性数据的骨干酰胺，并提出了一种新的计算方法，它使用刚性和溶剂可及性预测氢氘交换（HDX）。为了验证我们的预测，我们报告了一个新的网站特定的HDX实验，其特征在于本地结构合奏的酰基磷酸酶从超嗜热硫化叶菌solfataricus（SSO AcP）。HDX数据所观察到的子结构构象动力学，是密切匹配的第一合奏刚度的预测，这是无法实现使用传统的单“快照”刚度分析。此外，计算预测的区域，保护HDX和那些进行交换是非常好的协议与实验HDX配置文件的SSO AcP。
2013-05-08 physics.bio-ph q-bio.BM q-bio.QM
Protein flexibility upon ligand binding: Docking predictions and statistical analysis
侧链柔性是配体结合的重要因素。为了确定侧链柔性参与配体结合的程度，采用了基于知识的方法。由存在或不存在给定配体的蛋白质结构的实例组成的数据库用于分析哪些侧链经历侧链构象变化。这样的分析已经确定高达40%的结合位点不存在侧链构象变化。总共有三个残基发生侧链构象变化，包括约85%的结合位点的研究。当分析不同氨基酸经历侧链构象变化的倾向时，我们发现不同氨基酸之间存在相当大的差异。使用支持向量机器学习方法来创建分类器系统，该分类器系统利用关于溶剂可及面积以及待预测的每个特定侧链及其相邻侧链的柔性尺度值的信息。使用这种方法可以达到70%的准确度。在大多数结合位点中少数残基经历侧链构象变化的事实使得在对接模拟中引入侧链柔性是可行的。已经开发了一种算法，用于引入侧链的灵活性，利用混合遗传算法/穷举搜索过程和基于表面互补性的评分函数。这种方法在软件工具FlexAID中实现。FlexAID利用旋转异构体库为对接模拟期间彻底搜索的残基列表创建替代构象。FlexAID在刚性局部和全局模拟中的性能在局部和全局模拟的70-80%范围内。
2013-01-19 q-bio.BM
Structural Flexibility of the TCF7L2-DNA Complex with the Type 2 Diabetes SNP rs7903146
Lawrence Berkeley National Lab（劳伦斯伯克利国家实验室）
本研究针对2型糖尿病风险SNP rs7903146，结合AlphaFold、Boltzmann2等工具分析其对TCF7L2-DNA复合物结构柔性的影响，发现T等位基因会增强复合物刚性、破坏结合平衡，干扰下游基因调控。
2025-11-17 q-bio.BM
Flexible protein-peptide docking using CABS-dock with knowledge about the binding site
尽管付出了大量努力，蛋白质-肽复合物的结构预测仍然是一个非常具有挑战性的任务，主要是由于两个原因：肽的高灵活性和它们与蛋白质相互作用的瞬时特性。最近，我们开发了一个自动化的网络服务器CABS对接（http：//biocomp.chem.uw.edu.pl/CABSdock），它进行灵活的蛋白质-肽对接，而不需要任何关于结合位点的知识。我们的方法允许肽的完全灵活性，而受体的灵活性被限制为考虑到主链和侧链的完全灵活性的接近天然构象。CABS-dock服务器的性能在171个测试用例的基准上进行了彻底的测试，包括绑定和未绑定。对所得结果的评价显示该方法的总体性能良好，特别是未使用结合位点的信息。从不成功的实验中我们了解到，如果只考虑结合位点的少量信息，对接的准确性可能会显著提高。事实上，在现实生活应用中，用户通常可以访问指示结合位点的位置和/或结构的一些数据。在目前的工作中，我们测试和演示的CABS码头服务器的性能与两个新的功能。第一个允许利用关于构成结合位点的受体残基的知识，第二个允许在肽结构上强制所需的二级结构。基于给定的示例，我们观察到与默认CAB对接模式相比对接精度的显著提高。
2016-05-30 q-bio.BM
On the Sensitivity of Protein Data Bank Normal Mode Analysis: An Application to GH10 Xylanases
蛋白质数据库条目获得独特的，可重复的灵活性的特点，确定正常模式分析其三维坐标文件。我们研究的有效性和灵敏度，这种技术通过分析一类的糖苷酶：家庭10木聚糖酶的结果。根据X射线晶体学电子密度数据，一个保守的色氨酸似乎会影响进入活性位点，它可以是两种构象之一。这个活性位点色氨酸的两个交替方向导致不同的灵活性光谱，其中一个方向阻碍了另一个方向的振荡。这个侧链的特定方向还影响了远处C末端区域的运动性，我们称之为槌。已知木槌区将该酶家族的成员分为两类。
2015-08-20 q-bio.BM
Protein Structure Prediction: The Next Generation
在过去的10-15年里，从统计力学的角度对蛋白质折叠的化学反应有了普遍的认识。从基于能量景观思想的蛋白质折叠动力学中吸取的经验教训有益于蛋白质结构预测，特别是粗粒度模型的开发。我们调查的结果从盲目的结构预测。我们探讨如何第二代预测能量函数可以通过引入信息从以前模拟的结构合奏。这一程序依赖于一个漏斗形的能源景观的假设，符合最小挫折的原则。与基于序列比对选择的实验蛋白质结构相比，第一代模拟结构为关联记忆能量函数提供了改进的输入。
2006-06-12 q-bio.BM
Sequence co-evolution gives 3D contacts and structures of protein complexes
蛋白质相互作用是许多生物过程的基础。实验筛选已经确定了数以万计的相互作用，结构生物学为选择3D蛋白质复合物提供了详细的功能见解。关于蛋白质相互作用的另一个丰富的信息来源是进化序列记录。在早期工作的基础上，我们表明，跨蛋白质的相关进化序列变化的分析确定的残基，是接近的空间有足够的准确性，以确定的三维结构的蛋白质复合物。我们在盲法测试中评估了76个已知3D结构的复合物的预测性能，预测了32个未知结构的复合物中的蛋白质-蛋白质接触，并演示了如何使用进化耦合来区分大型复合物中相互作用和非相互作用的蛋白质对。随着目前序列数据库的增长，我们期望该方法可以推广到全基因组范围内的蛋白质相互作用网络的阐明，并用于在残基分辨率的相互作用预测。
2014-09-16 q-bio.BM
Monte Carlo sampling of flexible protein structures: an application to the SARS-CoV-2 omicron variant
蛋白质在执行其功能时可以表现出动态的结构灵活性，特别是在与其他分子相互作用的结合区域。对于促进COVID-19感染的关键SARS-CoV-2刺突蛋白，研究先前已经确定了几个具有治疗重要性的高度灵活区域。然而，从蛋白质数据库中获得的蛋白质结构被呈现为静态快照，其可能不足以描述这种灵活性，而且这些不能跟上新的突变和变体。本文根据能量函数的玻尔兹曼分布，提出了一种对蛋白质三维构象空间进行宽采样的序贯蒙特卡罗方法。我们的方法是不同于以往的采样方法，专注于寻找最低能量的构象预测一个单一的稳定结构。我们在SARS-CoV-2 omicron变体上验证了我们的方法，作为及时感兴趣的应用。我们的研究结果确定了序列位置495-508作为一个关键区域，其中omicron突变对可能的构象空间影响最大，这与omicron变体结合特性的其他初步研究结果一致。
2022-02-04 q-bio.BM stat.AP
Multi-scale Iterative Refinement towards Robust and Versatile Molecular Docking
University of Science and Technology of China（中国科学技术大学）
本文提出 DeltaDock 框架，通过结合位点预测、GPU 加速采样与多尺度迭代优化，同时支持盲对接和位点特异性对接，在精度、泛化性和物理合理性上均优于基线方法。
2023-11-30 cs.LG q-bio.BM
Evaluation of Protein Structural Models Using Random Forests
University of Missouri（密苏里大学）；University of Michigan（密歇根大学）
蛋白质结构预测是近几十年来结构生物学中的一个重大挑战性问题。蛋白质质量评价在蛋白质结构预测中起着非常重要的作用。本文提出了一种新的蛋白质质量评价方法，该方法可以同时预测蛋白质三维结构模型的局部质量和全局质量。我们的方法使用多模型和单模型质量评估方法进行全局质量评估，并使用化学，物理，地理特征和全局质量得分进行局部质量评估。CASP9目标用于生成用于局部质量评估的特征。我们评估了我们的本地质量评估方法在CASP10上的性能，该方法基于真实距离和预测距离之间的平均绝对距离，可与两种最先进的QA方法相媲美。在CASP11上进行盲测，结果表明，单模型和多模型相结合的质量评估方法可以提高模型质量评估的准确性，随机森林技术可以用于训练局部质量评估模型。
2016-02-13 cs.LG q-bio.BM q-bio.QM
Environmentally controlled curvature of single collagen proteins
脊椎动物中的主要结构蛋白是胶原蛋白，其在细胞外基质和结缔组织力学中起关键作用。尽管其在生物学中的流行和物理重要性，分子胶原的机械性能远未建立。其三股螺旋的灵活性尚未解决，从不同的实验技术描述从柔性到半刚性。此外，尚不清楚胶原类型（同源与异源三聚体）和来源（组织来源与重组）如何影响柔韧性。使用SmarTrace，链跟踪算法，我们设计的，我们进行了统计分析收集的胶原蛋白的构象与原子力显微镜（AFM），以确定蛋白质的机械性能。我们的研究结果表明，I型，II型和III型胶原蛋白-关键的纤维品种-表现出分子的灵活性是非常相似的。然而，在中性和酸性pH值下，胶原蛋白的构象受到盐的强烈调节，随着KCl浓度的增加，从致密转变为伸展。虽然使用标准蠕虫状链模型的分析表明，胶原蛋白的持久长度几乎可以达到文献范围内的任何值，但仔细观察发现，胶原蛋白的这种构象行为的调节并不是因为柔性的变化，而是由弯曲的诱导（固有的或由与云母表面的相互作用诱导的）引起。通过修改标准的聚合物理论，包括先天曲率，我们表明，胶原蛋白的行为作为一个平衡的弯曲蠕虫状链（cWLC）在两个维度。cWLC模型内的分析表明，胶原蛋白的曲率强烈依赖于pH值和盐，而其持久性长度不。因此，我们发现，三螺旋胶原蛋白被很好地描述为半柔性的，无论来源，类型，pH值和盐环境。
2018-05-04 physics.bio-ph q-bio.BM
Curvature-Informed Potential Energy Surface for Protein-Ligand Binding Affinity Prediction
Sun Yat-Sen University（中山大学）；City University of Hong Kong（香港城市大学）
提出曲率信息势能面图神经网络CPES，通过物理启发的曲率表示建模构象柔性，结合光谱交叉注意力捕获结合诱导的动力学变化，提升亲和力预测性能。
2026-06-15 cs.LG q-bio.BM
Graph-convolution neural network-based flexible docking utilizing coarse-grained distance matrix
柔性蛋白质-配体复合物的预测在计算结构生物学和药物设计中仍然是一个具有挑战性的问题。在这里，我们提出了两种新的深度神经网络方法，与标准对接相比，它们在大量不同的蛋白质系统上显著提高了结合模式预测的效率和准确性。第一种图卷积网络用于重新排序姿态，而第二种方法旨在独立于标准对接方法生成和排序姿态。这种新的方法依赖于预测配体原子和蛋白质C_α原子之间的距离矩阵，从而隐含地包含侧链柔性。
2020-08-27 q-bio.BM
Collective Variable for Metadynamics Derived from AlphaFold Output
AlphaFold是一种基于神经网络的工具，用于预测蛋白质的3D结构。在CASP 14盲结构预测挑战赛中，它的表现明显优于其他竞争对手，这使它成为最好的结构预测工具。AlphaFold的输出之一是残差-残差距离的概率分布。这使得可以对所研究蛋白质的任何构象进行评分，以表达其与AlphaFold模型的符合性。在这里，我们展示了如何使用这个分数来驱动蛋白质折叠模拟的元模型和并行回火元模型。利用平行回火元自洽方法模拟了一个小蛋白Trp笼β发夹的折叠过程，并预测了它们的折叠平衡。我们看到了基于AlphaFold的集合变量在结构预测之外的应用中的潜力，例如结构优化或预测突变的结果。
2022-04-29 q-bio.BM
Structural Property Prediction
本书为结构生物信息学提供入门介绍，涵盖蛋白质结构量化、预测及模拟，并重点讲解利用机器学习预测二级结构、表面可及性等结构性质的方法，以及交叉验证和基准测试概念。
2023-09-06 q-bio.BM
Accurate De Novo Prediction of Protein Contact Map by Ultra-Deep Learning Model
Toyota Technological Institute at Chicago（芝加哥丰田技术研究所）
近年来，蛋白质接触预测取得了令人振奋的进展，但对于没有大量同源序列的蛋白质，预测的接触仍然是低质量的，对从头结构预测不是很有用。本文提出了一种新的深度学习方法，该方法通过由两个深度残差网络形成的超深度神经网络整合进化耦合（EC）和序列保守信息来预测接触。这种深度神经网络使我们能够模拟非常复杂的序列接触关系以及长距离的相互接触相关性。我们的方法大大优于现有的接触预测方法，并导致更准确的接触辅助蛋白质折叠。在579个蛋白质的三个数据集上进行测试，我们的方法，代表性EC方法CCMpred和CASP 11获奖者MetaPSICOV的平均top L远程预测准确率分别为0.47，0.21和0.30;我们的方法，CCMpred和MetaPSICOV的平均top L/10远程准确率分别为0.77，0.47和0.59。使用我们预测的接触作为约束的从头折叠可以产生正确的折叠（即，TMscore>0.6），而使用MetaPSICOV-和CCMpred-预测的接触可以分别仅对79和62种蛋白质这样做。此外，我们的接触辅助模型比基于模板的模型具有更好的质量。使用我们预测的接触作为限制，我们可以（从头开始）折叠398个膜蛋白中的208个，TM评分>0.5。相比之下，当我们的方法的训练蛋白质被用作模板时，同源建模只能对其中的10个进行。一个有趣的发现是，即使我们没有用任何膜蛋白训练我们的预测模型，我们的方法在膜…
2016-11-27 cs.LG q-bio.BM q-bio.QM
TriFit: Trimodal Fusion with Protein Dynamics for Mutation Fitness Prediction
Department of Physics（物理系）；Astronomy, Rice University, Texas, USA（天文学、里士满大学、德克萨斯州、美国）
TriFit通过三模态融合模块整合序列、结构和蛋白质动力学信息，利用四专家混合专家模型提升突变适应度预测性能，实现优于现有基线模型的高准确率。
2026-04-13 cs.LG q-bio.BM q-bio.QM
SAMPL9 blind predictions using nonequilibrium alchemical approaches
我们提出了我们对蛋白质和配体建模的统计评估（SAMPL）的盲预测，第9次挑战，重点是WP 6（羧基柱[6]芳烃）与铵/二铵阳离子客体的结合。已使用最近开发的虚拟双系统单盒方法计算主客体结合自由能，该方法基于结合和未结合终态的增强采样，然后进行快速切换非平衡炼金术模拟[M Macchiagodena，M Pagliai，M Karrenbrock，G Guarnieri，F Iannone，Procacci，J Chem Theory Comput，16，7260，2020]。就皮尔逊和肯德尔系数而言，性能是可以接受的，一般来说，比我们提交的杯芳烃，葫芦脲样的开放腔，和β-环糊精在以前的SAMPL主客体的挑战，确认绝对结合自由能计算的非平衡方法的可靠性。在与以前的提交相比，我们发现，尽管如此，一个相当大的平均有符号的错误，我们归因于有限的电荷校正的方式，通过假设的中和背景等离子体。
2022-02-14 cond-mat.stat-mech physics.chem-ph q-bio.BM
StemP: A fast and deterministic Stem-graph approach for RNA and protein folding prediction
我们提出了一种新的确定性方法来预测RNA序列和蛋白质折叠。对结构预测来说，stem是否足够？主要思想是考虑给定序列中所有可能的茎形成。利用茎环的能量和茎的强度，我们探索了如何确定性地利用茎信息进行RNA序列和蛋白质折叠结构的预测。我们使用图形符号，其中所有可能的茎表示为顶点，共存为边。这个完整的Stem图呈现了所有可能的折叠结构，并且我们挑选子图，这些子图给出了用于折叠结构预测的最佳匹配能量。我们引入了一个Stem-Loop分数来增加结构信息并加快计算速度。所提出的方法可以处理二级结构预测以及蛋白质折叠与伪结。数值实验是用笔记本电脑完成的，结果只需要几分钟或几秒钟。这种方法的优点之一是算法的简单性和灵活性，它给出了确定性的答案。我们探索蛋白质数据库中的蛋白质序列，rRNA 5S序列和Gutell实验室的tRNA序列。各种实验和比较，包括验证所提出的方法。
2022-01-15 cs.DM physics.bio-ph q-bio.BM
E3Bind: An End-to-End Equivariant Network for Protein-Ligand Docking
Mila - Québec AI Institute（米拉-魁北克人工智能研究所）；Université de Montréal（蒙特利尔大学）；HEC Montréal（蒙特利尔高等商学院）
针对盲式柔性蛋白质-配体自对接难题，提出端到端等变网络 E3Bind，通过迭代更新配体姿态并建模几何约束与结合位点局部环境，在标准基准上取得优于传统及深度学习方法的性能。
2023-06-01 cs.LG q-bio.BM
EigenFold: Generative Protein Structure Prediction with Diffusion Models
Massachusetts Institute of Technology（麻省理工学院）；University of Illinois（伊利诺伊大学）
EigenFold是一种基于扩散模型的蛋白质结构生成框架，通过将结构建模为谐振子系统实现级联分辨率采样，在保持高预测精度的同时有效捕捉构象集合与模型不确定性。
2023-04-05 cs.LG physics.bio-ph q-bio.BM
PROflow: An iterative refinement model for PROTAC-induced structure prediction
Peking University（北京大学）；Massachusetts Institute of Technology（麻省理工学院）；Tsinghua University（清华大学）
针对PROTAC诱导结构预测中晶体结构不足的问题，研究提出新型伪数据生成方案，构建迭代优化模型PROflow，在对接性能与速度上优于现有方法，可支撑大规模筛选且预测结构属性与降解活性显著相关。
2024-04-10 cs.AI cs.LG q-bio.BM
