Encoding protein dynamic information in graph representation for functional residue identification
National Taiwan University(台湾大学)
蛋白质功能预测的最新进展利用基于图的深度学习方法将蛋白质的结构和拓扑特征与其分子功能相关联。然而,蛋白质在体内不是静态的,而是动态的分子,它们为了功能目的而改变构象。在这里,我们应用正常模式分析天然蛋白质的构象和增强蛋白质图之间的动态相关的残基对连接边缘。在多标签函数分类任务中,我们的方法基于这种动态信息表示展示了显着的性能增益。建议的图神经网络,ProDAR,增加了残基水平的注释的可解释性和概括性,并鲁棒地反映了蛋白质的结构细微差别。我们阐明了动态信息的重要性,在图形表示通过比较类激活图的hMTH 1,nitrophorin,和SARS-CoV-2受体结合域。我们的模型成功地学习了蛋白质的动态指纹,并精确定位了功能影响的残留物,具有广泛的生物技术和制药应用的巨大潜力。
2022-06-10 cond-mat.soft cs.LG physics.atm-clus
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
Historical contingency and entrenchment in protein evolution under purifying selection
一个基因位点上的等位基因的适合度贡献可能取决于其他位点上的等位基因,这种现象称为上位性。上位性可以深刻地影响选择下种群的进化过程,并可以塑造不同物种之间的蛋白质进化过程。而上位性之间的适应性取代已被广泛研究的主题,相对较少的是知道在净化选择上位性。在这里,我们使用热力学稳定性的配体结合蛋白质的机械模型,探讨在纯化选择下固定在蛋白质序列中的取代之间的上位相互作用的结构。我们发现,选择系数的突变是近中性的,当他们固定是高度偶然的存在之前的突变。相反,当它们固定时几乎是中性的突变随后由于上位性与后来的取代而被巩固。我们的进化模型包括插入和缺失,以及点突变,因此它使我们能够量化每类突变中的上位性,并研究蛋白质长度的进化。我们发现蛋白质长度随着时间的推移基本保持不变,因为插入缺失比点突变更有害。我们的研究结果表明,即使在纯化选择,蛋白质序列的演变是高度偶然的历史,所以它不能预测的野生型序列中测定的突变的表型效应。
2014-07-15 q-bio.BM q-bio.PE
Decision Tree for Protein Biomarker Selection for Clinical Applications
提出基于决策树的工作流程,利用生物信息学工具计算分析蛋白质生物标志物候选者及其亲和试剂,以高效筛选适用于免疫测定的理想靶标。
2025-04-30 q-bio.BM
How to distinguish conformational selection and induced fit based on chemical relaxation rates
蛋白质结合通常涉及构象变化。重要的问题是构象变化是发生在结合事件之前(“构象选择”)还是结合事件之后(“诱导拟合”),以及如何从实验中获得构象转变速率。在这篇文章中,我们提出了一般结果的化学弛豫速率的构象选择和诱导适合的结合过程,适用于所有浓度的蛋白质和配体,因此,超越了标准的伪一阶近似的大配体浓度。这些结果允许区分构象选择从诱导拟合过程-也在这样的区别是不可能在伪一阶条件下的情况下-和提取的蛋白质的构象转变速率从化学弛豫数据。
2016-09-20 physics.bio-ph q-bio.BM
Hierarchy and extremes in selections from pools of randomized proteins
变异和选择是达尔文进化论的核心原则,但将种群的多样性与其对选择的反应能力定量联系起来是一项挑战。在这里,我们在分子水平上研究这个问题的背景下,部分随机化的蛋白质选择结合到明确的目标。我们建立了几个最小的蛋白质文库,筛选他们在体外噬菌体展示和分析他们的高通量测序选择的反应。对结果的统计分析揭示了两个主要发现:第一,具有相同序列多样性但围绕不同“框架”构建的文库通常具有极大不同的响应,第二,文库内响应的分布遵循简单的比例定律。我们展示了如何一个基本的概率模型的基础上极值理论合理化这些发现。我们的研究结果具有一定的影响,设计合成蛋白质库,估计在序列空间中的功能生物分子的密度,在自然种群的多样性特征和实验研究的概念,进化性,或未来的进化潜力。
2015-09-08 q-bio.BM q-bio.PE
Functionals linear in curvature and statistics of helical proteins
在三维欧氏空间中,球状蛋白质链的有效自由能是定义在光滑曲线上的泛函。从几何不变性的要求,连同螺旋蛋白质的构象和蛋白质链的动力学特性的基本事实,我们能够确定,在一个独特的方式,自由能泛函的确切形式。也就是说,自由能量密度应该是定义自由能泛函的曲线的曲率的线性函数。我们简要地讨论了使用的可能性,提出了在蒙特卡罗模拟的穷举搜索本地稳定状态的蛋白质链的模型。还考虑了该模型与刚性相对论性粒子和弦的关系。
2003-10-02 cond-mat hep-th physics.bio-ph
Fourier Analysis of Biological Evolution: Concept of Selection Moment
许多蛋白质家族的二级结构元件在其相对面上表现出差异保守性。根据定义,两亲性螺旋和β-折叠具有这种性质,并发挥关键的功能作用。蛋白质家族的这种类型的进化轨迹通常对蛋白质家族的功能以及在亚家族内创建功能至关重要。也就是说,微分守恒保持了蛋白质结构与其方向相关的性质,这些性质在包装,识别和催化中很重要。在这里,我定义并制定了一个新的概念,称为选择时刻,检测这种进化过程中的蛋白质序列。它的各种应用程序的治疗是详细的。
2007-04-23 q-bio.BM q-bio.QM
Functional Protein Structure Annotation Using a Deep Convolutional Generative Adversarial Network
Drexel University(德雷塞尔大学)
识别新的功能蛋白质结构是分子工程和分子生物学的核心,需要经常计算穷举搜索。我们介绍了使用深度卷积生成对抗网络(DCGAN)根据其功能对蛋白质结构进行分类,方法是使用每个对象中的三个特征对网格对象结构中的每个样本进行编码:通用原子类型,位置原子类型及其相对于给定原子的占用率。我们训练DCGAN的三维(3D)诱饵和天然蛋白质结构,以产生和区分3D蛋白质结构。在训练结束时,损失收敛到局部最小值,我们的DCGAN可以针对对抗性蛋白质样本稳健地注释功能蛋白质。在未来,我们希望用更多的样本来扩展我们在DCGAN中从生成器中发现的新颖结构,以探索具有不同功能的更细粒度的功能。我们希望我们的努力将推动蛋白质结构预测领域的发展。
2021-04-18 cs.LG q-bio.BM
A topological selection of folding pathways from native states of knotted proteins
了解蛋白质中结的生物学功能及其折叠过程是生物学中一个开放且具有挑战性的问题。最近的研究通过使用称为knotoids的拓扑对象分析蛋白质平面投影的分布来对打结蛋白质的拓扑和几何进行分类。我们的方法与相同的拓扑结构的蛋白质的分析,通过引入一个拓扑启发的统计度量之间的knotoid分布。我们检测三叶草蛋白质之间的几何差异,通过表征它们的纠缠,我们恢复聚类序列相似性。通过直接观察其天然状态的几何形状和拓扑结构,我们能够探测形成开放式三叶结的蛋白质的不同折叠途径。有趣的是,我们的管道揭示了浅结碳酸酐酶的折叠途径涉及双环结构的创建,与之前观察到的深结三叶蛋白不同。我们用分子动力学模拟验证了这一点。
2021-04-21 math.GT q-bio.BM
Funnel-like protein energy landscapes emerge from functional evolution under thermal fluctuations
The University of Osaka(大阪大学)
研究通过二维晶格蛋白质模型,发现合适温度下仅经功能选择的高适应度序列可自发形成类漏斗形能量景观,证明可折叠蛋白是维持功能的热力学结果。
2026-08-25 cond-mat.stat-mech physics.bio-ph q-bio.BM
Functionals linear in curvature and statistics of helical proteins
在三维欧氏空间中,球状蛋白质链的自由能是定义在光滑曲线上的泛函。从几何不变性的要求,连同螺旋蛋白质的构象和蛋白质链的动力学特性的基本事实,我们能够确定,在一个独特的方式,自由能泛函的确切形式。也就是说,自由能量密度应该是定义自由能泛函的曲线的曲率的线性函数。该模型可用于例如穷举搜索蛋白质链的天然稳定状态的蒙特卡罗模拟中。
2003-10-05 cond-mat.stat-mech q-bio.BM
Functional modes of proteins are among the most robust ones
结果表明,一个小的子集的模式,很可能是参与蛋白质功能运动的大幅度可以通过保留最强大的正常模式,使用不同的蛋白质模型得到确定。这一结果在最近提出的几个应用中应该是有用的,例如解决困难的分子置换问题或将原子结构拟合到低分辨率电子密度图中。此外,它还可能为开发允许准确预测这种运动的方法铺平道路。
2005-09-15 q-bio.BM
Density Functional Theory for Protein Transfer Free Energy
我们投下的密度泛函理论(DFT)的形式主义内的蛋白质转移自由能的问题,治疗的蛋白质作为一个来源的外部潜力,作用于溶剂。排除溶剂的体积,溶剂可及的表面积,和温度依赖性的转移自由能都自然出现在这种形式主义,并可以与简化的“背面的信封”模型,这也是在这里开发。对于典型的蛋白质长度,消耗对渗透压调节剂诱导的稳定性的贡献范围为5- $10\kB T$。一般的DFT传输理论,这里开发的可以被简化,重现朗缪尔等温凝聚机制的蛋白质表面上的限制,短程相互作用,和稀溶质。将状态方程扩展到更高的溶质密度导致自由能驱动蛋白质或聚合物塌缩的非单调行为。假设蛋白质的简单骨架/侧链2-珠模型与渗压剂的有效电势为6-12,得到蛋白质主链或侧链与TMAO之间的有效相互作用电势。转移自由能$δg$显示出显著的熵:对于100个残基的蛋白质,为$d(δg)/dT \approx 20 \kB$。DFT的应用,有效溶剂力用于隐式溶剂分子动力学也开发。隐式溶剂力的最简单的DFT表达式包含耗尽相互作用和较大距离处的“阻碍溶剂化”排斥力。
2013-10-03 cond-mat.soft physics.chem-ph q-bio.BM
Functional State Dependence of Picosecond Protein Dynamics
我们研究温度依赖的皮秒动力学作为溶菌酶和细胞色素c的结构和功能的函数,使用温度依赖的太赫兹介电常数测量。本征态响应符合双Arrhenius温度依赖关系,活化能E1 ~ 0.1kJ/mol,E2 ~10 kJ/mol。较高的活化能与溶剂-蛋白质界面处与β弛豫相关的所谓蛋白质动力学转变一致。较低的活化能与相关的结构运动是一致的。当通过变性去除结构时,不再存在较低活化能的过程。此外,较低的活化能过程与配体结合减少,但不为内氧化态的变化。我们认为,较低的能量激活过程与集体结构运动,不再与变性或绑定访问。
2011-05-23 cond-mat.soft q-bio.BM
Elastic properties of proteins: insight on the folding process and evolutionary selection of native structures
我们进行了理论研究的振动和弛豫性质的天然蛋白质的折叠和平衡热力学特性的目的。通过一个合适的模型,我们提供了一个完整的表征的光谱和本征模式的振动在不同的温度下,仅仅利用蛋白质的天然结构的知识。结果表明,在折叠过渡的扰动衰减率与实验折叠率相关。此验证是在大约30个双状态文件夹的列表上执行的。此外,残基均方位移的定性分析(显示准确再现晶体学数据)提供了一个可靠的和统计学上准确的方法来确定关键的折叠位点/接触。这种新的策略根据HIV-1蛋白酶的临床数据进行了验证。最后,我们比较了天然蛋白质的光谱和振动的本征模式对随机生成的紧凑结构和定期随机图。比较揭示了一个独特的增强的灵活性的天然结构伴随着缓慢的松弛时间在折叠温度。这些性质与次级基序的存在和组装密切相关,这一事实暗示了进化在选择可行折叠时所采用的特殊标准。
2002-09-03 cond-mat.soft cond-mat.stat-mech q-bio.BM
Conformational selection in protein binding and function
蛋白质结合和功能通常涉及构象变化。先进的NMR实验表明,这些构象变化可以发生在配体分子(或与结合配体)的情况下,并且配体可以“选择”结合(或解结合)的蛋白质构象。在这篇综述中,我们认为,这种构象选择需要过渡时间的配体结合和解结合,是小的相比,在不同的构象,这是合理的小配体分子的蛋白质的停留时间。这种时间尺度的分离导致结合/解结合事件和构象变化的解耦和时间排序。我们认为,构象选择和诱导变化过程(如诱导拟合)是同一枚硬币的两面,因为时间顺序在绑定和解除绑定的方向是相反的。构象选择过程的特征在于在结合或解结合事件之前发生的构象激发,而诱导变化过程表现出在结合或解结合事件之后发生的特征性构象松弛。我们讨论了如何可以确定从弛豫速率和有效的开和关速率混合实验中确定的事件的顺序,并从先进的NMR或单分子FRET实验中测得的构象交换率。对于较大的配体分子,如肽,构象变化和结合事件可以错综复杂地耦合,并表现出构象选择和诱导的变化过程在结合和解结合方向的方面。
2014-09-09 q-bio.BM
Selection of Arginine-Rich Anti-Gold Antibodies Engineered for Plasmonic Colloid Self-Assembly
抗体是在分析和治疗生物学中具有广泛应用的亲和蛋白。可以通过噬菌体展示选择从大的和多样的文库中分离显示对所选分子靶标的特异性识别的蛋白质,并在体外鉴定其编码序列。在这项工作中,我们表明,这种标准的生物化学技术迅速产生一个主要技术重要性的无机目标:晶体金属金表面的抗体蛋白结合剂的集合。21种不同的抗金抗体蛋白从抗体的大随机文库中出现并测序。所有的蛋白质序列的系统统计分析揭示了一个强大的精氨酸发生在抗金抗体,这证实了最近的分子动力学预测的关键作用,精氨酸在蛋白质/金的相互作用。一旦使用组氨酸标签化学与小的金纳米颗粒连接,所选择的抗体就可以驱动胶体在单晶金血小板表面上的自组装,作为复杂等离子体结构的可编程蛋白质驱动构建的第一步。基于绿色并矢方法的电动力学模拟表明,这里展示的抗体驱动的组件可以被利用来显着修改金血小板的等离子体模态特性。我们的工作表明,分子生物学工具可用于设计完全折叠的蛋白质和无机表面之间的相互作用,在自下而上的等离子体杂化纳米材料的构建中具有潜在的应用。
2014-05-13 cond-mat.mtrl-sci 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
SurfPro: Functional Protein Design Based on Continuous Surface
Language Technologies Institute, Carnegie Mellon University(卡内基梅隆大学语言技术研究所);Yale University(耶鲁大学);Broad Institute of MIT and Harvard(麻省理工学院与哈佛大学博德研究所)
本研究针对功能蛋白质设计问题,提出融合分层编码器与自回归解码器的SurfPro方法,在逆折叠基准及两项功能设计任务上性能超越现有最优方法。
2024-06-17 cs.LG q-bio.BM
AnnoDPO: Protein Functional Annotation Learning with Direct Preference Optimization
本文提出 AnnoDPO 多模态框架,利用 DPO 的偏好对齐训练目标增强蛋白质功能注释学习,以缓解注释稀缺与类别不平衡问题。
2025-06-08 cs.AI q-bio.BM
BioBlobs: Unsupervised Discovery of Functional Substructures
Vanderbilt University(范德比大学);Yale University(耶鲁大学)
BioBlobs通过无监督方法发现蛋白质的功能子结构,利用端到端可微分框架压缩蛋白质为少量连贯子结构并预测功能,实现了对功能区域的候选识别。
2026-11-10 cs.AI q-bio.BM
Probing the Dark Energy in the Functional Protein Universe
提出定位和量化天然蛋白质功能进化约束的方法,通过比较序列变异扰动与折叠能量定义“暗能量”,发现约25%的球状蛋白质位置存在显著暗能量,并证明折叠与结合功能选择权重相似。
2025-08-11 q-bio.BM
Computation Protein Design instances with small tree-width: selection based on coarse approximated 3D average position volume
本文提出了小树宽图分解计算蛋白质设计CFN实例,根据模型[1]定义,协议由Simononcini等人[2]定义。在PDB中选择了基准中使用的蛋白质(不是基于它们的生物学兴趣),以探索基于树宽分解的全局搜索方法的效率。这些实例比之前在论文[2]中提出的实例更大,具有一个骨架松弛和aka Beta 2016年11月Rosetta力场[3]。该基准包括21种选择的具有低水平序列同一性(40%)的蛋白质。这些实例是基于3D标准,通过按氨基酸(即CFN变量)应用递减平均粗体积占用过滤器来选择的。实例特征(见表1)包含130到n = 282个变量,最大域大小为383到438,成本函数在1706到6208之间。最小填充树宽度的范围为21到68,标准化树宽度的范围为0.16到0.34。这些实例已用于UDGVNS搜索算法[4]基准测试。这种方法适用于评估利用图分解概念的搜索方法。
2019-09-02 cs.CE physics.bio-ph q-bio.BM
CFP-Gen: Combinatorial Functional Protein Generation via Diffusion Language Models
针对现有蛋白质语言模型难以同时满足跨模态多约束的问题,提出扩散语言模型CFP-Gen,通过AGFM和RCFE模块及3D结构编码器整合多模态条件,实现了高成功率的多功能蛋白质高通量生成。
2025-05-28 cs.CV cs.LG q-bio.BM
Strong Selection Significantly Increases Epistatic Interactions in the Long-Term Evolution of a Protein
残基之间的上位相互作用决定了蛋白质的适应性并塑造了其进化轨迹。当蛋白质经历改变的环境时,它在强选择下在新的适应度景观中找到峰值。已经表明,强选择增加上位相互作用以及适应度景观的坚固性,但很少有人知道上位相互作用如何在选择下改变蛋白质的长期进化。在这里,我们分析了人类免疫缺陷病毒1型(HIV-1)蛋白酶中上位性的进化,使用从治疗和未治疗的患者中收集的近十年的蛋白酶序列,以了解上位性如何变化以及这些变化如何影响蛋白质的长期进化性。我们使用信息理论代理上位性,量化网站之间的协变,并表明,积极的信息是一个必要的(但不是充分的)条件,在大多数情况下,检测上位性。我们分析了序列数据中所含蛋白质进化轨迹的“化石”,并表明上位性在强选择下继续富集,但对于环境不变的蛋白质则不然。上位性的增加补偿了由于治疗引起的序列变异性而导致的信息损失,并促进了在治疗的日益崎岖的适应度景观中的适应。虽然上位性被认为是通过在适应早期穿越山谷来增强进化能力,但当景观变得崎岖时,它可能会阻碍适应。然而,我们没有发现证据表明HIV-1蛋白酶在适应药物环境9年后已经达到了进化的潜力,而药物环境本身也在不断变化。
2016-03-31 q-bio.BM q-bio.PE
Self Organizing Maps to efficiently cluster and functionally interpret protein conformational ensembles
提出了一种结合自组织映射、层次聚类和网络组件的方法,旨在比较从多个分子动力学模拟中获得的蛋白质构象集合。作为第一个结果,可以通过仅使用所获得的簇的代表性构象来概括原始系综。此外,网络组件分析允许发现和解释每个神经元赢得的构象的动态行为。结果表明,这种方法的能力,有效地获得由原始构象合奏所描述的蛋白质动力学的功能解释,突出了其作为蛋白质工程的支持的潜力。
2013-09-30 cs.CE q-bio.BM
Enhancing Multimodal Protein Function Prediction Through Dual-Branch Dynamic Selection with Reconstructive Pre-Training
College of Computer Science and Software Engineering, Shenzhen University(深圳大学计算机科学与软件工程学院);College of Applied Technology, Shenzhen University(深圳大学应用技术学院);Laboratory for Artificial Intelligence in Design, Hong Kong(人工智能设计实验室(香港));College of Big Data and Internet, Shenzhen Technology University(深圳技术大学大数据与互联网学院);College of Computer Science and Technology, Harbin Institute of Technology, Shenzhen, China(哈尔滨工业大学深圳学院计算机科学与技术学院)
本文提出DSRPGO模型,通过重构预训练、双向交互模块和动态选择模块增强多模态蛋白质功能预测,在人类数据集上显著优于基准模型。
2025-11-06 cs.LG cs.NE q-bio.BM
PUFFIN: Protein Unit Discovery with Functional Supervision
Department of Computer Engineering(计算机工程系);Roche Informatics Department(罗氏信息技术部);F. Hoffmann-La Roche AG(罗氏集团)
PUFFIN通过联合学习结构划分和功能监督,发现蛋白质单元,揭示结构-功能关系的可解释框架。
2026-04-16 cs.LG q-bio.BM
The role of evolutionary selection in the dynamics of protein structure evolution
新的蛋白质结构的出现已经被证明很难在自然界中追踪,也很难在实验室中进行工程改造。然而,结构进化的一个方面已被证明对从序列中确定蛋白质的三维结构非常有用:在绝大多数情况下,共享超过30%序列同一性的蛋白质具有相似的结构。在这个标记之下是“模糊区”,蛋白质可能具有相同或非常不同的结构。这些观察形成了结构同源建模背后的基本直觉。然而,尽管它们很重要,却从未得到过全面的生物物理理由。在这里,我们表明,发病的朦胧区是更渐进的蛋白质与低接触密度,一个代理低热力学稳定性,比蛋白质与高接触密度。然后,我们提出了一个分析模型,把分歧折叠进化作为一个激活的过程,在类比化学动力学,序列进化必须克服化学不稳定的进化中间体,发现新的折叠。这个模型解释了模糊区的存在,并解释了为什么某些蛋白质的出现比其他蛋白质更突然。我们测试模型的假设,并使用模型蛋白质和细胞群体的进化模拟来表征折叠进化的动力学。总的来说,这些结果显示了基本的生物物理约束如何指导演化动力学,从而导致现代蛋白质结构和序列的宇宙。
2016-10-25 q-bio.BM q-bio.PE
Comparing proteins by their internal dynamics: exploring structure-function relationships beyond static structural alignments
越来越多的兴趣比较蛋白质的内部动力学很大程度上归功于认识到,蛋白质的功能可以伴随或协助结构波动和构象变化。类似于功能结构元件的情况,蛋白质的灵活性和动力学的那些方面是功能导向的,应该受到进化保守。因此,基于动力学的蛋白质比较或比对可用于检测序列和结构比对更难以实现的蛋白质关系。在这里,我们提供了一个帐户,近年来已取得的进展,对开发和应用一般方法比较蛋白质的内部动力学和推进理解的结构-功能关系。
2012-12-17 cond-mat.soft q-bio.BM
Automaton model of protein: dynamics of conformational and functional states
在这篇概念性的论文中,我们建议探索量子现象的本体/认识论描述与蛋白质构象和功能状态的动力学之间的相互关系之间的类比。另一个新的想法是应用自动机理论来模拟后者的动力学。在我们的模型中,蛋白质的行为被建模的两个动力系统,本体和认知,分别描述蛋白质的构象和功能状态的演变的援助。认知自动机是基于本体状态空间上的功能(观察)等价关系由本体自动机构造而成的。这让人想起了涌现量子力学的一些方法,其中量子(认知)态被视为代表一类前量子(本体)态。该方法与标准{ \it蛋白质结构-功能范例}不匹配。然而,它是完美的内在无序蛋白的行为建模。在数学上,蛋白质的本体状态(构象状态)的空间建模的帮助下,$p$ -进数或更一般的超度量空间编码的内部层次结构的蛋白质。简要讨论了与$p$ -adic动力系统理论的联系。
2017-04-15 cs.IT math.IT q-bio.BM
Selection originating from protein foldability: I. A new method to estimate selection temperature
满足每个位点处给定氨基酸组成和每个位点对处给定成对氨基酸频率的具有最大熵的序列的概率分布是具有$\exp(-ψ_N)$的玻尔兹曼分布,其中总相互作用$\exp(-ψ_N)$表示为单体相互作用和成对相互作用的总和。基于随机能量模型(REM)的蛋白质折叠理论表明,天然蛋白质序列的平衡系综是以$\exp(-ΔG_{ND}/k_B T_s)$或$\exp(- G_{N}/k_B T_s)$为特征的规范系综,如果氨基酸组成保持恒定,则意味着$ψ_N = ΔG_{ND}/k_B T_s +$恒定,其中$ΔG_{ND} \equiv G_N - G_D$、$G_N$和$G_D$是天然和变性自由能,并且$T_s$是自然选择的有效温度。在这里,我们检查由于单核苷酸非同义突变的相互作用的变化($Δψ_N$),并已发现,他们的$Δψ_N$在所有网站的方差几乎不依赖于每个同源序列的$ψ_N$,这表明$ΔG_N (= k_B T_s Δψ_N)$的方差几乎是恒定的蛋白质家族无关。结果,$T_s$是从$Δψ_N$的方差与参考蛋白的方差的比率估计的,其通过$ΔΔψ_{ND} (\simeq Δψ_N)$和实验$ΔΔG_{ND}$之间的直接比较来确定。基于REM,玻璃化转变温度$T_g$和$ΔG_{ND}$估计从$T_s$和实验熔融温度($T_m$)的14个蛋白质结构域。对5种蛋白质,$ΔG_{ND}$的估算值与…
2017-04-02 q-bio.BM q-bio.PE
Membrane environment imposes unique selection pressures on transmembrane domains of G protein-coupled receptors
我们研究了质膜环境对后生动物中最大的受体家族G蛋白偶联受体(GPCRs)分子进化的影响。特别是,我们分析了跨两个主要结构分区,跨膜(TM)和膜外(EM),这些膜蛋白的位点特异性速率变化。我们发现,跨膜结构域的发展速度比膜外结构域更慢,虽然TM结构域显示增加率异质性相对于他们的EM同行。尽管GPCR中的大多数残基经历了强到弱的纯化选择,但许多GPCR在TM和EM残基上都经历了正选择,尽管略微偏向EM。此外,GPCR的一个子集,化学感受受体(包括嗅觉和味觉受体),相对于其他GPCR表现出增加的进化速率,这种效应在它们的TM跨度中更明显。虽然它以前已经提出,TM的低进化率是由其高比例的掩埋残基,我们表明,他们的衰减率似乎源于膜本身的强大的生物物理约束,或功能要求。尽管强大的进化限制作用于跨膜跨度的GPCR,积极的选择和高水平的进化速率变异是常见的。因此,生物物理限制不应被假定为排除蛋白质的进化能力。
2012-12-27 q-bio.BM q-bio.GN
Revealing evolutionary constraints on proteins through sequence analysis
对大量蛋白质序列比对的统计分析揭示了几个蛋白质家族中集体共同进化的氨基酸的“区段”。在这里,我们表明,选择作用于蛋白质的任何功能特性,由加性性状表示,可以产生这样一个部门。作为一个选定的性状的说明,我们认为弹性网络模型内的一个重要的构象变化的弹性能量,我们表明,选择作用于此能量导致残基之间的相关性。对于这个具体的例子,更一般地说,我们证明了功能部门的主要签名在于所选序列的协方差矩阵的小特征值模式。然而,这些功能部门的二次签名也存在于广泛研究的大特征值模式。我们简单的,一般的模型使我们提出了一个原则性的方法来确定功能部门,随着突变效应的大小,从序列数据。我们进一步证明了这些功能部门的鲁棒性,以各种形式的选择,我们的方法来识别多个选定的性状的鲁棒性。
2019-03-11 physics.bio-ph q-bio.BM q-bio.PE
Millisecond single-molecule localization microscopy combined with convolution analysis and automated image segmentation to determine protein concentrations in complexly structured, functional cells, one cell at a time
我们提出了一种称为CoPro(蛋白质浓度)方法的单分子工具,该方法使用具有卷积分析的毫秒成像,自动图像分割和超分辨率定位显微镜来生成单个活细胞不同隔室中蛋白质浓度的稳健估计,并使用复杂的多隔室细胞类型的真实模拟进行验证。我们证明了它的效用实验模型大肠杆菌细菌和酿酒酵母芽殖酵母细胞,并用它来解决信号如何在细胞中转导的生物学问题。在生命的所有领域中,细胞通过信号转导机制动态地感知它们的环境,其中许多涉及基因调控。对S.酿酒酵母是研究基因调控信号转导的模型系统。它使用GAL基因家族的多拷贝表达抑制剂Mig1,在细胞外葡萄糖浓度升高的情况下抑制不需要的基因。我们用绿色荧光蛋白(GFP)荧光标记Mig1分子,通过染色体整合在活的S.酿酒酵母细胞,除了RNA聚合酶蛋白Nrd1与荧光蛋白报告mCherry。使用CoPro,我们定量估计Mig1和Nrd1蛋白浓度在细胞质和细胞核室的细胞的基础上,在生理条件下。这些估计表明,如果外部葡萄糖浓度升高,细胞核中扩散性Mig1浓度向更高值移动4倍,而细胞质中的等效水平向更小值移动,相对变化小一个数量级。这与Nrd1相比,Nrd1不直接参与葡萄糖传感,它几乎完全位于细胞核中,在高浓度和低浓度下。
2015-07-06 physics.bio-ph q-bio.BM
Simulated Epidemics in 3D Protein Structures to Detect Functional Properties
流行病的结果与个体之间的互动网络密切相关。同样,蛋白质的功能取决于其残基的3D排列和潜在的能量相互作用网络。借用已经开发的理论框架,以解决真正的疾病的传播的想法,我们研究了一个虚构的流行病内的蛋白质非键相互作用网络的扩散。我们的方法允许探测整体稳定性和在复杂的3D结构中传播信息的能力,并被证明在解决从热稳定性评估到别构位点识别的不同问题方面非常有效。
2019-12-12 q-bio.BM
Neutral genetic drift can aid functional protein evolution
背景技术背景:自然进化蛋白质积累的许多突变是中性的,因为它们不会显著改变蛋白质执行其主要生物功能的能力。然而,当选择开始倾向于其他“混杂”功能时,新的蛋白质功能就会进化出来,这些功能是蛋白质生物学作用的附带功能。如果相对于蛋白质的主要生物学功能而言是中性的突变导致混杂功能的实质性变化,则这些突变可能使未来的功能进化成为可能。研究结果:在这里,我们调查这种可能性实验研究细胞色素P450酶,相对于一个单一的基板上的活性已经发展成中性改变了他们的能力,催化反应的其他五个基板。我们发现,在混杂的活动中,酶的变化有时多达四倍。混杂活性的变化往往随着突变的数量而增加,并且可以在很大程度上根据底物的化学结构来合理化。化学上类似的底物的活动往往以协调的方式变化,可能提供一种途径,系统地预测一个功能的变化的基础上测量的几个其他的。结论:我们的工作表明,最初中性的遗传漂变可以导致目前未被选择的蛋白质功能发生实质性变化,实际上,如果选择在未来“提出新问题”,蛋白质更容易进行功能进化。
2007-05-02 q-bio.BM q-bio.PE
Decoy Selection for Protein Structure Prediction Via Extreme Gradient Boosting and Ranking
George Mason University(乔治梅森大学);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室)
从数以百万计的非天然诱饵中识别一个或多个生物活性/天然诱饵是计算结构生物学中的主要挑战之一。诱饵集合中的阳性和阴性样本(原生和非原生诱饵)的极度缺乏平衡使得问题更加复杂。共识方法在处理诱饵选择的挑战方面取得了不同的成功,尽管与聚类大诱饵集和没有显示出太多结构相似性的诱饵集相关的一些问题。最近的调查显示,基于能量消耗的诱饵选择方法的承诺。然而,缺乏泛化能力的各种测试用例仍然是这些方法的瓶颈。我们提出了一种新的诱饵选择方法,ML-Select,一个机器学习框架,利用与结构空间相关的能量景观探测通过无模板诱饵生成。所提出的方法优于聚类和基于能量排名的方法,同时始终提供更好的性能在不同的测试用例。此外,ML-Select显示出有前途的结果,即使是诱饵集组成的大多是低质量的诱饵。ML-Select是一种有效的诱饵选择方法。这项工作建议进一步研究,以寻找更有效的方法来采用机器学习框架,在无模板蛋白质结构预测中实现诱饵选择的鲁棒性能。
2020-10-03 cs.LG q-bio.BM
Physical origins of protein superfamilies
在这项工作中,我们发现了蛋白质稳定性的选择和蛋白质首选结构的出现之间的基本联系。使用标准的精确三维晶格模型,我们从随机序列开始进化序列,并在每次突变后确定精确的天然结构。突变的接受偏向于选择稳定的蛋白质。我们发现,某些结构,wonderfold,在许多不相关的选择运行中作为稳定蛋白质的天然状态被独立地发现了无数次。折叠成wonderfold结构的序列的多样性产生超家族,即折叠成相同或非常相似结构的不相似序列的集合。Wonderfolds似乎是完整的紧凑晶格蛋白质中最可设计的结构。此外,在所有进化的蛋白质中,具有wondefolds作为其天然结构的蛋白质往往是最热稳定的。这种效应纯粹是由于wonderfolds的有利几何性质,因此,主导任何序列的依赖。本工作建立了一个前生物结构选择的模型,它确定了在热环境中生存的蛋白质优化后出现的优势结构模式。收敛发现的前生物初始超家族与wonderfold结构可以作为一个种子,随后的生物进化涉及基因复制和分歧。
2005-08-25 q-bio.BM q-bio.GN q-bio.PE
An Automatable Analytical Algorithm for Structure-Based Protein Functional Annotation via Detection of Specific Ligand 3D Binding Sites: Application to ATP (ser/thr Protein Kinases) and GTP (Small Ras-type G-Proteins) Binding Sites
我们已经开发了一种分析,配体特异性和可扩展的算法,检测一个给定的配体的3D结合位点的蛋白质3D结构的“签名”。所述标记是不规则四面体形式的3D基序,其顶点代表与结合的配体原子物理相互作用的结合位点处的氨基酸残基的主链或侧链质心。基序由一组解析的训练结构确定,所有这些结构都与配体结合。正如线性氨基酸序列的比对能够确定蛋白质中的共有序列一样,本方法允许确定折叠蛋白质中的三维共有结构或“基序”。尽管这是通过本发明的方法而不是通过3D蛋白质结构或其部分(例如,来自不同结构的配体原子的排列),但是通过蛋白质结合形式的配体原子的最近邻分析,实现了相同的效果,从而实现了相同的目标。我们已经应用我们的方法来预测GTP和ATP结合蛋白家族,即小Ras型G蛋白和Ser/Thr蛋白激酶家族。验证试验表明,我们的方法的特异性是近100%的两个蛋白质家族,和大于60%的敏感性为ser/thr蛋白激酶家族和约。93%为小的Ras型G蛋白家族。进一步的测试表明,我们的算法可以有效地区分GTP和GTP样配体,ATP和ATP样配体。将该方法应用于一组来自黏菌(D. dictyosteoprotein)蛋白质组的研究,结果令人鼓舞。
2015-01-19 q-bio.BM
STELLA: A Multimodal LLM for Protein Functional Annotation via Unified Sequence-Structure Encoding
Beijing Academy of Artificial Intelligence(北京智源人工智能研究院);State Key Laboratory of Multimedia Information Processing, Peking University(北京大学多媒体信息处理国家重点实验室);Renmin University of China(中国人民大学);University of Chinese Academy of Sciences(中国科学院大学);Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所)
STELLA通过统一序列-结构编码与文本模态协同,提升蛋白质功能注释的准确性,实现功能描述预测和酶促反应预测的最新成果。
2026-05-13 q-bio.BM
Atomic Density Distributions in Proteins: Structural and Functional Implications
Democritus University of Thrace(德谟克利特大学)
本研究通过分析21255个非冗余蛋白质结构的原子密度分布,发现存在显著的统计差异,揭示了不同蛋白质结构在原子排列上的系统性偏差及功能特征。
2025-05-24 q-bio.BM
Coupling enhanced sampling of the apo-receptor with template-based ligand conformers selection: Performance in pose prediction in the D3R-GC4
我们报告了我们新引入的增强型口袋形状采样的Ensemble Docking(EDES)协议的性能,该协议与基于模板的算法相结合,以在D3 R联盟组织的2019年Grand Challenge迭代中生成近天然配体构象。使用AutoDock4.2或HADDOCK2.2对接程序(每个软件在两个变体的协议),我们的方法生成的前5名提交评估的20个目标中的大多数具有类似的性能之间的本地一样的姿势。选择用于GC 4的蛋白质是人β位点淀粉样前体蛋白裂解酶1(BACE-1),一种跨膜天冬氨酸蛋白酶。我们使用AutoDock和HADDOCK分别鉴定了20个靶标中的16个(80%)和17个(85%)的重原子RMSD与天然构象的距离小于2.5 μ m的至少一种姿态。剖析可能的错误来源显示:i)我们的EDES协议(经过微小修改)能够对所有20种蛋白质靶标的亚昂斯特伦构象进行采样,在约1 μ RMSD内再现结合位点的正确构象; ii)正如我们中的一些人在GC 3中已经显示的,即使在接近天然蛋白质结构的存在下,配体构象的适当选择对于集合对接计算的成功是至关重要的。重要的是,我们的方法在仅利用载脂蛋白的结构信息来生成用于系综对接计算的受体构象的方案中表现最好。
2020-05-04 cond-mat.soft q-bio.BM
DISPROTBENCH: Uncovering the Functional Limits of Protein Structure Prediction Models in Intrinsically Disordered Regions
Institute for Clarity in Documentation(清晰文档研究所);Inria Paris-Rocquencourt(巴黎-罗克琴堡研究所);Rajiv Gandhi University(拉贾·甘地大学);Tsinghua University(清华大学);Palmer Research Laboratories(帕勒研究实验室)
DISPROTBENCH通过引入功能不确定性敏感度度量,揭示蛋白质结构预测模型在内源性无序区域的功能限制及预测不确定性对下游任务的影响。
2026-02-10 cs.LG q-bio.BM
Secondary structure prediction of protein constructs using random incremental truncation and vacuum-ultraviolet CD spectroscopy
在果蝇中发现了一种新的尿嘧啶-DNA降解蛋白因子(称为UDE),与其他尿嘧啶-DNA结合或加工因子没有显着的结构和功能同源性。确定的3D结构的UDE将是一个真正的突破,在描述的分子机制的作用的UDE催化,以及在一般尿嘧啶识别和核酸酶的行动。革命性的ESPRIT技术被应用于新的蛋白质UDE,以克服在缺乏结构域内容和排列的精确信息的情况下鉴定可溶性表达构建体的问题。从创建的众多截断的UDE结构中选择了九个样本来解嵌结构和功能关系。用神经网络进行VUVCD,以确定UDE及其截短变体的二级结构含量和位置。定量分析证明了全长蛋白质的排他性α-螺旋含量,其保留在截短的构建体中。与截短的蛋白质片段相比,α-螺旋捆绑的分区表示新的结构域边界,其不同于通过基于序列的比对确定的化蛹昆虫中的UDE同源物的保守基序。在这里,我们证明了ESPRIT和VUVCD与NN的组合提供了显着的结构描述的UDE,并导致有用的截断构建进一步详细的功能研究。
2014-01-28 physics.bio-ph q-bio.BM
Impact of phylogeny on the inference of functional sectors from protein sequence data
研究系统发育对蛋白质功能扇区识别的影响,提出包含系统发育和功能扇区的最小模型生成合成数据,发现ICOD和保守性方法对系统发育最鲁棒,联合使用可揭示互补信息。
2024-12-27 physics.bio-ph q-bio.BM q-bio.PE
Automatic Feature Selection in Markov State Models Using Genetic Algorithm
马尔可夫状态模型(MSMs)是一个强大的框架,使用一组短的分子动力学(MD)模拟再现生物分子的长时间构象动力学。然而,MSM的精确动力学预测在很大程度上依赖于选择来描述系统的功能。尽管大型系统的特征选择的重要性,确定一个最佳的功能集仍然是一个困难的未解决的问题。在这里,我们介绍了一个自动的方法来优化特征选择的基础上遗传算法(GA),它自适应地演变最适合的解决方案,根据自然选择定律。基于GA的方法的权力示出了长的原子折叠模拟的四种蛋白质,长度从28到80个残基。由于测试的蛋白质的多样性,我们希望我们的方法将是可扩展的其他蛋白质和驱动MSM建设一个更客观的协议。
2018-06-25 q-bio.BM
A robust methodology for inferring physiology of a protein family: application to K+-ion channel family
We are interested in the subtle variations of function among the members of a protein family. A protein family is usually subdivided into subfamilies based on functional differences. Existence of this functional diversity is essential for the successful performance of physiological roles expected of the family. This presents a unique problem: there must be preservation of the active site; simultaneously there should be specificity of protein action according to subfamily. Though the classification into subfamilies is by no means a formalized one, it is most times based on the character of regu…
2006-12-22 q-bio.BM q-bio.GN q-bio.QM
Mimicking the Gas-Phase to Transport Odorants through the Nasal Mucus: Functional Insights into Odorant Binding Proteins
本文通过多尺度计算与高分辨率光谱实验验证,揭示猪气味结合蛋白pOBP通过使结合腔内构象空间接近气相并降低自由能垒来促进气味分子从气相摄取,为开发蛋白质基人工鼻仿生传感器提供理论基础。
2024-10-19 q-bio.BM
Electrostatic considerations affecting the calculated HOMO-LUMO gap in protein molecules
详细研究了蛋白质体系和水分子团簇中最高占据和最低未占据分子轨道(HOMO-LUMO能隙)之间的能量差。最近的工作质疑Kohn-Sham密度泛函理论对蛋白质和大的水簇的适用性(E。Rudberg,J. Phys.:康登斯Mat. 2012,24,072202)已经证明了这些系统的HOMO-LUMO间隙消失,这通常归因于所用泛函中交换的处理。目前的工作表明,消失的差距,事实上,用于准备系统的方法的静电文物。当系统尺寸增加时,确保间隙保持的实用解决方案被证明。这项工作具有重要意义的大规模密度泛函理论在生物分子系统中的使用,特别是在模拟的光发射,光吸收和电子输运,所有这些都严重依赖于分子轨道的能量之间的差异。
2013-02-19 cond-mat.soft physics.chem-ph q-bio.BM
ProCaliper: functional and structural analysis, visualization, and annotation of proteins
ProCaliper是一个开源Python库,整合蛋白质功能注释、物理化学性质计算与结构可视化,支持残基级分析及网络构建,以简化蛋白质功能研究。
2025-06-24 q-bio.BM q-bio.MN
The Physical Logic of Protein Machines
针对蛋白质机器的功能实现与序列编码逻辑的未解问题,本研究采用将蛋白质视为机械化学机器的物理方法,从结构、运动与化学相互作用协同进化的角度展开探索。
2023-12-13 physics.bio-ph q-bio.BM q-bio.PE
Selection of sequence motifs and generative Hopfield-Potts models for protein familiesilies
进化相关蛋白质家族的统计模型最近引起了人们的兴趣:特别是成对Potts模型,如直接耦合分析所推断的那些,已经能够提取有关折叠蛋白质的三维结构的信息,以及蛋白质中氨基酸取代的影响。这些模型通常被要求再现蛋白质家族中氨基酸使用的单点和两点统计,{ \em,即}~以捕获所谓的残基保守和协变统计的共同进化起源的蛋白质。成对Potts模型是实现这一目标的最大熵模型。虽然是成功的,这些模型依赖于大量的{ \em ad hoc}引入的参数,这些参数必须从有限数量的数据中估计,并且其生物物理解释仍然不清楚。在这里,我们提出了一种方法来减少参数,这是基于选择集体序列基序。它自然导致制定的统计序列模型的Hopfield-Potts模型。这些模型可以准确地推断使用映射到限制玻尔兹曼机和持续的对比发散。我们发现,当应用于蛋白质数据时,即使是20-40个模式也足以获得统计上接近生成的模型。Hopfield模式形成可解释的序列基序,并可用于将氨基酸序列聚类为功能亚家族。然而,这些图案的分布式集体本质上限制了Hopfield-Potts模型在预测接触图的能力,显示出开发超越这里讨论的Hopfield-Potts模型的必要性。
2019-09-05 cond-mat.dis-nn cond-mat.stat-mech q-bio.BM