Parsimonious evolutionary scenario for the origin of allostery and coevolution patterns in proteins
蛋白质显示的遗传特性很难用直接选择来解释,特别是变构性,即通过长期效应进行调节的能力,以及进化性,即适应新选择压力的能力。提出了一种进化的方案,其中蛋白质间接获得这两个功能作为其选择的一个更基本的属性,精致的歧视,歧视性地结合非常相似的配体的能力的副产品。实现这一任务通常需要蛋白质经历构象变化。我们认为,物理和进化的限制促使这种变化是由一组从结合位点延伸的网站控制。因此,蛋白质可以获得潜在的变构调节和进化适应的潜力,因为长期的影响,最初出现的进化拱肩。这种情况解释了在多个序列比对中观察到的保守和共同进化的残基组。然而,我们建议,大多数对共同进化和接触的残基推断,从这样的比对有不同的起源,热稳定性有关。一个物理模型,说明了这种演变的情况及其影响。该方案可以在蛋白质进化实验中实现,以直接测试其预测。
2019-07-12 q-bio.BM
Enhanced self-attraction of proteins and its evolutionary implications
蛋白质相互作用的统计分析显示同源二聚体的频率非常高[Ispolatov,I.,等人(2005)Nucleic Acids Res 33,3629-35]。此外,最近的发现[Wright,CF,等人(2005)Nature 438,878-81]证明维持低序列同一性是抑制蛋白质聚集的关键进化机制。在这里,我们研究相互作用的蛋白质类表面的统计特性,并预测普遍的,增强的自吸引蛋白质的效果。这种效应源于这样一个事实,即两个相同的,甚至随机组织的相互作用的蛋白质表面之间的模式自匹配总是比两个不同的,混杂的蛋白质表面之间的模式匹配更强。这一发现意味着在早期进化过程中同源二聚体选择的可能性增加。我们的简单模型的早期相互作用的蛋白质的进化选择准确地再现了实验数据同源二聚体界面氨基酸组成。此外,我们预测,异源二聚体进化的同源二聚体与负的设计进化压力施加对混杂的同源二聚体的形成。我们预测,反同二聚体负设计进化信号是通过丰富的异二聚体界面极性残基,最深刻的谷氨酸和赖氨酸,这是与实验结果一致。因此,我们预测,针对同源二聚体的负设计是
2006-03-16 q-bio.BM q-bio.MN
Structural and evolutionary tunnels of pairwise residue-interaction symmetries connect different structural classes of proteins
研究76个最常见的结构域中的所有非冗余蛋白质,目前的工作试图破译潜在的模式,其特征在于可接受和不可接受的对称性残基相互作用的功能蛋白质。我们报告说,切割的结构类,一组选择成对的相互作用是普遍青睐的几何和进化的限制,被称为“可接受的”结构和进化隧道,分别。残基-残基相互作用的一个同样小的子集,“不可接受的”结构和进化的隧道,被发现是普遍不喜欢的结构和进化的限制。在可接受的结构和进化隧道之间检测到非平凡的重叠,在不可接受的结构和进化隧道之间也是如此。隧道的一个子集被发现具有同等的相对重要性,在结构上和进化上,在不同的结构类。MET-MET隧道被检测到是普遍最不可接受的结构和进化的限制,而ASP-LEU隧道被认为是最接近的近似是普遍最可接受的。结构和进化隧道中的残留种群被发现是独立的个体残留物的立体化学性质。有人认为,隧道是新兴的功能,连接程度的对称残基-残基相互作用的四级结构组织的水平。
2013-08-22 q-bio.BM
Protein folding and binding can emerge as evolutionary spandrels through structural coupling
蛋白质和其他分子之间的结合相互作用介导许多细胞过程,包括代谢、信号传导和基因表达的调节。这些相互作用的进化是为了响应蛋白质的化学或物理环境的变化(如添加抗生素),或者当基因复制和分化时。最近的几项研究表明,折叠稳定性在限制蛋白质进化中的重要性。在这里,我们调查如何结构之间的耦合蛋白质折叠和结合-事实上,大多数蛋白质只能结合其目标时折叠-引起的进化之间的耦合特性的折叠稳定性和结合强度。使用生物物理和进化建模,我们展示了这些蛋白质性状如何成为进化的“拱肩”,即使它们不赋予内在的健身优势。特别是,蛋白质可以进化出强的结合相互作用,其没有功能作用,而仅仅在错误折叠有害的情况下起到稳定蛋白质的作用。此外,这些蛋白质可能具有不同的命运,根据随机突变事件进化为结合或不结合其靶标。这些观察结果可以解释在高通量测定中观察到的蛋白质之间的明显非功能性相互作用的丰度。相反,对于具有功能性结合和有害错误折叠的蛋白质,进化在生物物理特征的水平上可能是高度可预测的:适应性路径被严格限制为首先获得额外的折叠稳定性,然后随着新的结合功能的发展而部分失去它。这些发现对于我们理解天然和工程蛋白质的基本进化原理具有重要意义。
2014-08-17 q-bio.BM q-bio.PE
Inhibition of protein crystallization by evolutionary negative design
从这个角度来看,我们解决的问题:为什么蛋白质似乎很难结晶?我们认为,这是因为进化的负设计,即蛋白质已经进化到不结晶,因为结晶,与任何类型的蛋白质聚集,损害细胞的活力。文献中有很多证据支持这一假设,包括突变对蛋白质结晶性的影响,在生物信息学数据库中晶体接触性质中发现的相关性,以及细菌和病毒对蛋白质结晶的积极利用。
2004-02-16 cond-mat.soft physics.bio-ph 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
Modeling Protein Using Large-scale Pretrain Language Model
Tsinghua University(清华大学);Beijing Academy of Artificial Intelligence(北京智源人工智能研究院);Tencent Quantum Lab(腾讯量子实验室)
蛋白质与几乎所有的生命过程都有联系。因此,分析蛋白质序列的生物学结构和性质对于探索生命、疾病检测和药物发现至关重要。传统的蛋白质分析方法往往是劳动密集型和耗时的。深度学习模型的出现使得在大量数据中建模数据模式成为可能。跨学科研究人员已经开始利用深度学习方法来建模大型生物数据集,例如使用长短期记忆和卷积神经网络进行蛋白质序列分类。经过数百万年的进化,进化信息被编码在蛋白质序列中。受自然语言与蛋白质序列相似性的启发,本文采用大规模语言模型对进化尺度的蛋白质序列进行建模,将蛋白质生物学信息进行编码表示。在标记级和序列级任务中都观察到了显著的改进,这表明我们的大规模模型可以准确地从进化规模的个体序列的预训练中捕获进化信息。我们的代码和模型可以在https://github.com/THUDM/ProteinLM上找到。
2021-12-07 cs.CL cs.LG q-bio.BM
A 3D pocket-aware and evolutionary conserved interaction guided diffusion model for molecular optimization
School of Computer Science and Engineering, Sun Yat-sen University(中山大学计算机科学与工程学院);School of Pharmaceutical Science, Sun Yat-sen University(中山大学药学院);West China School of Pharmacy, Sichuan University(四川大学华西药学院)
本文提出3D靶标感知扩散模型DiffDecip,将蛋白质-配体相互作用与残基进化保守信息同时纳入扩散和采样过程,通过骨架修饰实现分子优化,在形成更多与高度保守残基的非共价相互作用方面优于基线模型DiffDec。
2025-05-09 cs.LG physics.chem-ph q-bio.BM
Asymptotic hitting time for a simple evolutionary model of protein folding
我们考虑两个版本的一个简单的进化算法模型蛋白质折叠温度为零:(1+1)-EA的LeadingOnes问题。在这个示意性模型中,蛋白质的结构,这是编码为长度为n的位串,通过顺序接触结合的随机途径演变到其天然构象。我们研究了平均情况下两种不同突变下首中时的渐近行为:一种是翻转比特串中随机选择的唯一比特,另一种是伯努利翻转比特串中的每个比特以概率c/n独立翻转。对于每个算法,我们证明了一个大数定律,一个中心极限定理,并比较两个模型的性能。
2003-08-25 math.PR q-bio.BM
Inferring repeat protein energetics from evolutionary information
天然蛋白质序列包含了它们的历史记录。在一个给定的蛋白质家族中的一个共同的约束是折叠到特定结构的能力,它已被证明有可能通过分析现存序列中的共变异来推断主要的天然系综。尽管如此,许多折叠成相同结构拓扑的天然蛋白质显示出不同的稳定化能,这些通常与它们的生理行为有关。我们提出了一个描述的充满活力的变化,在重复蛋白质序列的修改,系统的整体问题是简化其固有的对称性。我们明确占单个氨基酸和成对的相互作用和治疗高阶相关性与一个单一的长期。我们表明,由此产生的力场可以解释与结构细节。我们追踪天然蛋白质的能量分数的变化,并将它们与它们的实验表征。由此产生的能量力场允许预测几个突变体的折叠自由能变化,并可用于生成与天然对应物在统计学上无法区分的合成序列。
2017-03-15 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
Protein Contact Prediction by Integrating Joint Evolutionary Coupling Analysis and Supervised Learning
Toyota Technological Institute at Chicago(芝加哥丰田工业大学)
蛋白质接触包含了蛋白质结构和功能研究的重要信息,但从序列中预测蛋白质接触仍然是一个非常具有挑战性的问题。进化耦合(EC)分析和监督机器学习的方法来预测接触,利用不同类型的信息,分别。本文提出了一种群体图形套索(GGL)接触预测方法,结合联合多族EC分析和监督学习。与现有的单家族EC分析仅使用靶蛋白家族中的残基共进化信息不同,我们的联合EC分析使用靶蛋白家族及其相关家族中的残基共进化,这些家族可能具有不同的序列但相似的折叠。为了实现联合EC分析,我们使用高斯图形模型(GGM)建模一组相关的蛋白质家族,然后通过最大似然法共同估计其精度矩阵,但精度矩阵应具有相似的残差共同进化模式。为了进一步提高估计精度矩阵的准确性,我们采用监督学习方法从各种进化和非进化信息中预测接触概率,然后将预测概率作为先验纳入我们的GGL框架。实验表明,我们的方法可以更准确地预测接触比现有的方法,我们的方法执行更好的保守和家庭特定的接触。
2015-04-08 cs.LG math.OC q-bio.BM
Protein Structure and Evolutionary History Determine Sequence Space Topology
了解所观察到的基因同源物数量的变异性是一个非常重要但尚未解决的问题,它对研究结构和功能的共同进化、基因复制、假基因形成以及可能出现的疾病具有广泛的意义。在这里,我们试图定义和阐明背后的原因,这种观察到的不均匀的序列空间。我们提出的证据表明,序列变异性和功能多样性的基因或折叠家庭的蛋白质结构,反映潜在的序列可塑性,即接受突变而不失去热力学稳定性的能力的某些定量特征的影响。
2004-04-28 q-bio.BM q-bio.GN
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
Thermodynamic restrictions on evolutionary optimization of transcription factor proteins
构象波动被认为在转录因子蛋白定位和结合细菌基因组上的靶位点的过程中起重要作用。使用一个简单的模型,我们表明,结合时间可以最小化,在选择性压力下,通过调整构象状态的光谱,使花费在更多的移动构象的时间的分数与目标识别率相匹配。然后,相关的最佳结合时间在由热力学施加的限制结合时间的数量级内,对应于具有即时靶识别的理想化蛋白质。数值估计表明,典型的细菌在这种制度的优化构象波动。
2007-09-10 cond-mat.soft q-bio.BM
Factors controlling protein evolvability, at the molecular scale
该研究从分子尺度探究上位性与最小作用量原理对蛋白质进化路径的约束作用,发现蛋白质进化比此前认知的更具可预测性,为理解突变驱动的蛋白质进化机制及达尔文选择的轨迹偏好问题提供了新依据。
2025-07-31 q-bio.BM q-bio.PE
Prediction of site-specific amino acid distributions and limits of divergent evolutionary changes in protein sequences
我们推导出一个解析表达式的特定位点的氨基酸的固定分布蛋白质进化的结构约束中性(SCN)模型与折叠稳定性的保护。我们得到的固定分布有一个玻尔兹曼的形状,和他们的有效温度参数,测量在一个给定的网站上的分歧的进化变化的极限,可以预测从一个特定的站点的拓扑性质,接触矩阵的蛋白质的天然构象的主要特征向量。这些分析结果,获得没有自由参数,进行了比较与模拟的SCN模型和特定位点的氨基酸分布从蛋白质数据库。这些结果也提供了新的见解,蛋白质折叠的拓扑结构如何影响其可设计性,即与该折叠兼容的序列的数量。对于较长的蛋白质,有效温度对主特征向量的依赖性降低,这可能是热力学稳定性选择在这种情况下变得较弱的事实的结果。
2004-11-04 q-bio.BM q-bio.PE
Design of elastic networks with evolutionary optimised long-range communication as mechanical models of allosteric proteins
变构效应通常是蛋白质活性的基础,阐明变构现象所特有的通用设计方面和功能原理是一个重大挑战。在这里,一种方法,其中包括在合成结构的硅设计,作为变构的主要元素,编码动态远程耦合两个网站之间的。结构由弹性网络表示,类似于真实蛋白质的粗粒度模型。实施进化优化策略以迭代地改进变构偶联。在所设计的结构中,从应变传播的角度分析了变构相互作用,并将进化过程中出现的简单途径确定为建立远程通信的签名。此外,还证明了变构性能对突变的稳健性。事实证明,设计的原型结构显示出类似于真实变构蛋白质的动力学特性。因此,它们可以作为复杂变构系统(如蛋白质)的玩具模型。
2017-02-27 cond-mat.soft physics.bio-ph q-bio.BM
Boltzmann Machine Learning with a Parallel, Persistent Markov chain Monte Carlo method for Estimating Evolutionary Fields and Couplings from a Protein Multiple Sequence Alignment
本文提出利用Boltzmann机和并行持久马尔可夫链蒙特卡洛方法,通过氨基酸单点和配对频率估计蛋白质进化场和耦合,提升蛋白质结构与进化研究的计算效率。
2026-04-20 cond-mat.stat-mech cs.LG q-bio.BM
Physical principles underpinning molecular-level protein evolution
该研究通过区分趋同与趋异进化模型,分析了控制蛋白质分子水平进化的多种因素,初步揭示了热力学假说(Anfinsen法则)与蛋白质进化的紧密关系,为解决关键进化生物学挑战提供了新思路。
2024-12-19 q-bio.BM q-bio.PE
Of sequence and structure: Strategies of protein thermostability in evolutionary perspective
在这项工作中,我们采用各种分析方法(展开模拟和比较分析的结构和序列的嗜热生物的蛋白质组),以表明生物体可以遵循两个主要的嗜热适应策略:(i)一般,非特异性,基于结构,当某些嗜热生物的蛋白质组显示出显着的结构偏向于蛋白质的更高的紧凑性。在这种情况下,热稳定性是通过更大的稳定接触的总数来实现的,其中没有一个可能是特别强的,和(ii)特异性的,基于序列的,由此应用旨在加强特定类型的相互作用(例如静电)的序列变化,而不显著改变蛋白质的结构。特定(超)嗜热物种的进化历史和环境条件直接决定了某种策略的选择:直接在热环境中进化的古代超嗜热生物主要采取基于结构的策略,而后来进化的生物的嗜热适应则是其对热环境的同化的结果,它们采取特定的、基于序列的嗜热适应策略。
2004-12-03 q-bio.BM q-bio.PE
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
Predicting protein contact map using evolutionary and physical constraints by integer programming (extended version)
Toyota Technological Institute at Chicago(芝加哥丰田工业大学)
动机蛋白质接触图描述了蛋白质中残基的空间和功能关系,包含了蛋白质三维结构预测的关键信息。尽管已经被广泛研究,但仅使用序列信息预测接触图仍然非常具有挑战性。现有的方法大多是逐元素地预测接触图矩阵,忽略了接触之间的相关性和整个接触图的物理可行性。最近的几种方法预测接触地图的基础上残基的共同进化,考虑到接触相关性和执行稀疏约束,但这些方法需要非常大量的序列同源物的蛋白质在考虑和所得的接触地图可能仍然是物理上不利的。结果本文提出了一种新的方法PhyCMAP接触地图预测,集成了机器学习和整数线性规划(ILP)的进化和物理约束。进化约束包括序列特征、残基协同进化和环境特异性统计势。物理约束比稀疏约束更具体地描述了接触之间的关系。因此,我们的方法大大减少了接触映射矩阵的解空间,从而显着提高了预测精度。实验结果证实,PhyCMAP优于目前流行的方法,无论有多少序列同源物可用于所考虑的蛋白质。PhyCMAP可以在PSIBLAST搜索序列同源物后几分钟内预测接触,比最近的两种方法PSICOV和EvFold快得多。有关Web服务器,请参见http://raptorx.uchicago.edu。
2013-08-19 cs.CE cs.LG math.OC
Billion-years old proteins show the importance of N-lobe orientation in Imatinib-kinase selectivity
蛋白质功能的分子起源是一个在蛋白质序列空间中的组合搜索问题,需要大量的资源来解决。然而,进化已经为我们解决了这个优化问题,在此过程中留下了次优的解决方案。将进化过程中的次优蛋白质或祖先与更优的现代蛋白质进行比较,可以引导我们找到特定功能的确切分子起源。本文研究了抗癌激酶抑制剂伊马替尼的选择性这一长期存在的问题。我们研究了两个相关的激酶,Src和Abl,和他们的共同祖先,伊马替尼有显着不同的亲和力。我们的研究结果表明,相对于C-叶的N-叶的方向不同的激酶之间沿其进化途径,是一致的伊马替尼的抑制常数实验测量。DFG-基序(Asp-Phe-Gly)的构象和P-环的结构似乎在进化途径上也具有不同的稳定构象,这与伊马替尼的亲和力一致。
2023-03-27 q-bio.BM
Inferring protein folding mechanisms from natural sequence diversity
本研究提出仅利用蛋白质序列信息推断球状蛋白质折叠机制的方法,通过将演化能量场映射到粗粒化foldon单元并模拟Ising链,揭示了拓扑结构对折叠协同性的限制,并证明基于序列的演化模型可直接计算突变引起的稳定性和协同性变化。
2025-07-01 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
Proteins: the physics of amorphous evolving matter
蛋白质具有双重性质。蛋白质分子作为一种物质,是由氨基酸折叠而成的链状结构,具有多种生物化学性质。但它也是沿着进化轨迹的一个实例,该轨迹由蛋白质在细胞、生物体和群体的交织相互作用网络的层次结构中所执行的功能所决定。因此,蛋白质的物理理论需要统一生物物理和进化两个方面。具体来说,它应该提供一个DNA基因如何映射到蛋白质的功能表型的模型。我们回顾了蛋白质问题的几种物理方法,重点是一个机械框架,将蛋白质作为可进化的凝聚态物质:突变在基因中引入局部扰动,这些扰动被翻译成蛋白质物质中的局部扰动。研究突变如何塑造表型的自然工具是格林函数。他们将基因突变之间的进化联系(称为上位性)映射到蛋白质中氨基酸之间的协同物理相互作用。我们将讨论如何机械的观点可以应用于研究蛋白质进化和设计的基本问题。
2019-07-31 cond-mat.stat-mech physics.bio-ph q-bio.BM
Non-Canonical Crosslinks Confound Evolutionary Protein Structure Models
Stanford University(斯坦福大学)
该研究针对基于进化的蛋白质结构预测模型泛化能力不足的问题,构建了基于含非经典硫醚交联的sactipeptides的分布外基准,测试发现现有模型表现有限,指出需发展物理信息驱动的模型以推进结构预测。
2025-03-09 cs.AI q-bio.BM
A new formulation of protein evolutionary models that account for structural constraints
尽管具有保守折叠的结构稳定性对蛋白质功能的重要性,但几乎所有的进化模型都忽略了由相邻氨基酸位点之间的物理相互作用引起的位点-位点相关性。这主要是由于难以制定一个计算上易于处理的模型,因为率矩阵可以不再使用。在这里,我们介绍了一个通用的框架,因子图的基础上,构建概率模型的蛋白质进化与网站的相互依赖性。方便地,有效的近似推理算法,如置信传播,可以用来计算这些模型的似然性。我们适合这种类型的氨基酸取代模型,占溶剂的可及性和网站的相关性。新模型与速率矩阵模型和仅考虑溶剂可及性的模型的比较表明,它更好地拟合序列数据。我们还研究了同六聚体酶家族内的进化,发现大多数接触亚基之间的位点相关性有助于更高的可能性。此外,我们表明,新的替代模型有一个类似的数学形式(Rodrigue等人,2005年)中介绍的,虽然不同的参数解释和值。我们还进行了统计分析的氨基酸在相邻的网站上的替代概率的影响,并找到一个显着的扰动的概率,进一步支持蛋白质进化中的重要作用的站点站点之间的相互作用,并激励新的进化模型的发展,如这里所描述的。最后,我们讨论了新的替代模型的可能的扩展和应用。
2013-12-02 q-bio.BM q-bio.PE
MSAGPT: Neural Prompting Protein Structure Prediction via MSA Generative Pre-Training
BioMap Research(BioMap研究院);Tsinghua University(清华大学);MBZUAI(穆罕默德·本·扎耶德人工智能大学)
本文提出 MSAGPT,通过 MSA 生成式预训练、二维进化位置编码及 AlphaFold2 反馈优化,在低同源信息场景生成虚拟 MSA 并提升蛋白质结构预测性能。
2024-10-28 cs.AI cs.LG q-bio.BM
Featuring ACE2 binding SARS-CoV and SARS-CoV-2 through a conserved evolutionary pattern of amino acid residues
刺突(S)糖蛋白介导冠状病毒进入宿主细胞。S蛋白的S1亚基包含受体结合结构域(RBD),能够识别不同的宿主受体,突出了其在病毒进化过程中适应宿主的显著能力。虽然刺突蛋白中的RBD是病毒-受体相互作用的决定因素,但活性残基位于受体结合基序(RBM)处,该区域位于RBD中,其在结合其受体的外表面中起基本作用。在这里,我们解决的假设,SARS-CoV和SARS-CoV-2株能够使用血管紧张素转换酶2(ACE 2)蛋白已经适应了他们的RBM沿病毒进化,探索特定的构象拓扑结构驱动的残基YGF感染宿主细胞。我们还推测,这种基于YGF的机制可以作为位于RBM的蛋白质签名,以区分能够使用ACE 2作为细胞进入受体的冠状病毒。
2020-12-22 q-bio.BM
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
Phylogenetic correlations can suffice to infer protein partners from sequences
确定哪些蛋白质相互作用对于系统水平的细胞理解至关重要。最近,算法的基础上直接耦合分析(DCA)成对最大熵模型已经允许确定从序列数据的旁系同源蛋白质之间的相互作用的合作伙伴。DCA在预测蛋白质相互作用方面的成功可能主要是基于其已知的鉴定在蛋白质复合物的三维结构中接触的残基对以及共同进化以保持物理化学互补的残基对的能力。然而,相互作用的蛋白质具有相似的进化历史。纯粹的系统发育相关性在基于DCA的方法推断相互作用伙伴的性能中的作用是什么?为了解决这个问题,我们采用了受控的合成数据,这些数据只涉及遗传学,没有相互作用或接触。我们发现,DCA准确地识别共享进化历史的合成序列对。虽然系统发育相关性混淆DCA接触残基的鉴定,因此,它们是有用的预测旁系同源物之间的相互作用的合作伙伴。我们发现,DCA执行以及系统发育的方法,为此,并略优于他们与大而准确的训练集。在迭代配对算法(IPA)中采用DCA或系统发育方法可以在没有训练集的情况下预测进化伙伴对。我们证明了这些不同的方法能够正确预测真正的旁系同源蛋白质与基因组接近,但没有已知的物理相互作用之间的配对,说明了自然数据中的系统发育相关性的重要性。然而,物理相互作用和强烈的共同进化的蛋白质,DCA和互信息优于系统发育方法。我们讨论如何区分物理相互作用的蛋白质从那些只共享进化历史。
2019-09-04 cond-mat.stat-mech physics.bio-ph q-bio.BM
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
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
Quantification of the effect of mutations using a global probability model of natural sequence variation
现代生物医学面临着预测遗传变异影响的挑战。蛋白质点突变体的系统功能测定提供了有价值的经验信息,但序列空间的广阔区域仍然未被探索。幸运的是,自然进化的突变选择过程在天然蛋白质序列的多样性中记录了丰富的信息。在这里,相关的氨基酸取代,已成功地应用于确定蛋白质的三维结构的概率模型的基础上,我们提出了一种统计方法,用于量化的贡献残基和它们的相互作用,蛋白质功能,使用统计能量,进化哈密顿。我们发现,这些概率模型预测突变的实验效果与合理的精度为一些蛋白质,特别是在选择压力是类似的蛋白质,如抗生素的进化压力。
2015-10-15 q-bio.BM
Learning conformational ensembles of proteins based on backbone geometry
Max Planck Institute for Polymer Research(马克斯·普朗克聚合物研究所);Heidelberg Institute for Theoretical Studies(海德堡理论研究所);IWR, Heidelberg University(海德堡大学IWR中心);SciLifeLab and DBB at Stockholm University(斯德哥尔摩大学SciLifeLab和DBB中心);Karlsruhe Institute of Technology(卡尔斯鲁厄技术大学)
针对现有蛋白质构象采样模型依赖进化信息、适用性受限的问题,提出仅基于主链几何结构的流匹配模型BBFlow,其精度相当且速度快几个数量级,可迁移至多链蛋白质,还能处理进化信息稀缺的从头设计蛋白质。
2025-11-12 cond-mat.stat-mech cs.LG physics.comp-ph
Evidence of evolutionary selection for co-translational folding
最近的实验和模拟表明,蛋白质可以在核糖体上折叠。然而,从共翻译折叠的健身效果的程度和一般性仍然是一个悬而未决的问题。在这里,我们报告了一个全基因组的分析,揭示了共翻译折叠的进化选择的证据。我们描述了一个强大的统计方法,以确定基因内的位点,都显着丰富的缓慢翻译的密码子和进化保守。令人惊讶的是,我们发现,域边界只能解释这些保守的基因座的一小部分。相反,我们认为富含慢翻译密码子的区域与共翻译折叠中间体相关,其可能小于单个结构域。我们发现,由一个以本机为中心的共翻译折叠模型预测的中间体占这些基因座在超过500个E。coli蛋白。通过与蛋白质折叠的直接联系,该分析提供了强有力的证据,表明许多同义替换已被选择用于优化基因内特定位置的翻译速率。更一般地说,我们的研究结果表明,动力学,而不仅仅是热力学,可以显着改变生物背景下的自组装效率。
2017-10-10 q-bio.BM
Bayesian protein structure alignment
蛋白质三维结构的分析是分子生物学中的一个重要课题。结构在定义蛋白质的功能中起着关键作用,并且在进化时间尺度上比氨基酸序列更保守。一个关键的挑战是识别和评估蛋白质之间的结构相似性;这种分析可以帮助理解新发现的蛋白质的作用,并有助于阐明生物体之间的进化关系。计算生物学家已经开发了许多聪明的算法技术来比较蛋白质结构,然而,所有这些都是基于启发式优化标准,使得统计解释有些困难。在这里,我们提出了一个完全概率的蛋白质成对结构比对的框架。我们的方法有几个优点,包括能够捕捉对齐的不确定性,并估计关键的“差距”参数,严重影响的对齐质量。我们发现,现有的几种对齐方法出现的先验分布和误差模型的特定选择下的最大后验估计。我们的概率框架也很容易扩展到纳入额外的信息,我们证明,包括主要的序列信息,以产生同步的序列结构比对,可以解决使用结构单独获得的歧义。这种组合模型也提供了一个自然的方法,估计进化距离的基础上结构比对的艰巨任务。该模型是通过比较几个具有挑战性的蛋白质比对的例子与成熟的方法。
2015-01-16 q-bio.BM stat.AP
Predictability of evolutionary trajectories in fitness landscapes
对酶进化的实验研究表明,在所有可能的突变轨迹中,只有一小部分是进化所能达到的。然而,这些实验处理的是单个酶,并探索了适应度景观的一小部分。我们报告了一个详尽的分析适应度景观构建的非格子模型的蛋白质折叠,其中健身等同于错误折叠的鲁棒性。该模型模拟了氨基酸之间相互作用的基本特征,与蛋白质折叠的关键范式一致,并再现了直链蛋白质之间进化速率的普遍分布。我们引入平均路径发散作为一个定量的衡量标准,在何种程度上的起点和终点确定的路径演变的适应度景观。景观粗糙度的全球措施是很好的预测路径发散在所有研究的景观:平均路径发散是在光滑的景观比粗糙的。模型导出的和实验的景观比随机景观明显更平滑,并且类似于用中等数量的噪声扰动的加性景观;因此,这些景观对突变基本上是鲁棒的。即使与具有类似整体粗糙度的噪声添加剂景观相比,模型景观也显示出次优峰值的不足。我们认为蛋白质进化的适应度景观的平滑性和峰值的实质性缺陷是蛋白质折叠物理学的基本结果。
2011-08-17 q-bio.BM q-bio.MN q-bio.PE
Size and structure of the sequence space of repeat proteins
蛋白质序列的编码空间是由功能和稳定性要求所设定的进化约束所形成的。我们表明,一个给定的蛋白质家族的编码空间-该家族中的序列总数-可以估计使用模型的最大熵训练的多个序列比对的天然存在的氨基酸序列。我们分析和计算了三个丰富重复蛋白家族的大小,这些家族的成员是由~ 30个氨基酸的保守部分的许多重复组成的大蛋白。虽然在比对的每个位置处的氨基酸保守性解释了相对于完全随机序列的多样性的大部分减少,但是我们发现在不同位置处的氨基酸使用之间的相关性显著地影响多样性。我们量化了不同类型的相关性,功能和进化,对序列多样性的影响。对家族编码空间的详细结构的分析揭示了一个崎岖的景观,具有许多具有层次结构的不同大小的局部能量极小值,让人想起物理学中自旋玻璃的fustrated能量景观。这种聚集的结构表明每个家族内亚型的多样性,并提出了蛋白质设计的新策略。
2019-07-03 q-bio.BM
Mutational paths with sequence-based models of proteins: from sampling to mean-field characterisation
识别和表征突变路径是进化生物学和生物工程中的重要问题。在这里,我们介绍了一个通用的描述突变路径的序列和突变动力学(序列如何改变)沿path.We的善良首先提出了一个算法来采样突变路径,我们在硅片上的蛋白质的精确可解模型的基准,并适用于数据驱动的天然蛋白质模型从序列数据与限制玻尔兹曼机。然后,我们使用平均场理论来表征不同的突变动力学感兴趣的突变路径的属性,并展示它如何可以用来扩展木村的进化距离估计基于序列的上位选择模型。
2023-03-27 cond-mat.stat-mech q-bio.BM q-bio.PE
From evolution to folding of repeat proteins
重复蛋白质由相似的氨基酸延伸的串联拷贝组成,这些氨基酸延伸折叠成细长的结构。由于它们的对称性,这些蛋白质构成了研究进化如何与结构,折叠和功能相关的优秀模型系统。在这里,我们提出了一个计划,在序列水平上的进化信息映射到一个粗粒度的重复蛋白质折叠模型,并使用它来研究数以千计的重复蛋白质的折叠。我们的能量模型相结合的逆Potts模型方案与重复的复制和删除的明确的机械模型,以计算在单个残基水平的系统的进化参数。这是用来通知伊辛样模型,允许生成的折叠曲线,明显的域出现和占领的中间状态,是高度兼容的实验数据在特定的案例研究。我们分析了数千种天然锚定重复序列蛋白的折叠,发现多种折叠机制是可能的。当序列相似性元素足够多且相互作用较强时,可以得到完全合作的全或无跃迁;当序列相似性元素不相似且相互作用较弱时,可以得到非合作的逐元素间歇折叠.在这两者之间,我们的特点成核传播和多域折叠机制。最后,我们表明,重复序列的稳定性和协同性可以从一个简单的能量分数定量预测,铺平了道路,指导蛋白质折叠设计与协同进化模型。
2022-02-24 cond-mat.stat-mech q-bio.BM
Dark energy: the cost of function in protein evolution
Centre for Genomic Regulation, The Barcelona Institute of Science and Technology(基因组调控中心,巴塞罗那科学技术研究所);Protein Physiology Lab, Departamento de Química Biológica, Facultad de Ciencias Exactas y Naturales, Universidad de Buenos Aires(布宜诺斯艾利斯大学理学院生物化学系蛋白质生理实验室);Instituto de Química Biológica de la Facultad de Ciencias Exactas y Naturales, Consejo Nacional de Investigaciones Científicas y Técnicas - Universidad de Buenos Aires(布宜诺斯艾利斯大学理学院生物化学研究所,阿根廷国家科学研究委员会-布宜诺斯艾利斯大学)
本文综述相关计算与实验方法,通过蛋白质语言模型等技术量化蛋白质进化中的暗能量,揭示其组分并阐明生物信息在序列-结构-功能间的流动机制。
2026-08-31 q-bio.BM
ProGen: Language Modeling for Protein Generation
Salesforce Research(赛富时研究院);Stanford University(斯坦福大学)
蛋白质工程的生成建模是解决合成生物学、医学和材料科学中基本问题的关键。我们提出蛋白质工程作为一个无监督的序列生成问题,以利用指数增长的蛋白质,缺乏昂贵的,结构注释。我们训练了一个1. 2B参数的语言模型ProGen,在大约280 M的蛋白质序列上,以分类和关键词标签为条件,如分子功能和细胞成分。这为ProGen提供了前所未有的进化序列多样性范围,并使其能够产生细粒度的控制,如基于一级序列相似性,二级结构准确性和构象能量的度量所示。
2020-03-08 cs.LG q-bio.BM stat.ML
The first peptides: the evolutionary transition between prebiotic amino acids and early proteins
我们在这里试图解决的问题是,当第一批肽出现在原始地球上时,它们看起来是什么样子,以及它们完成了什么简单的催化活性。我们推测,早期的功能肽很短(3至8个氨基酸长),由那些氨基酸,甘氨酸,丙氨酸,缬氨酸和天冬氨酸,这是大量生产的许多益生元合成实验和陨石中观察到的,和天冬氨酸的负电荷的中和是由金属离子。我们进一步假设这些益生元肽的一些痕迹仍然存在,以当今蛋白质中活性位点的形式存在。在这些蛋白质中寻找益生元肽候选物,我们发现了主要与Mg^{2+}离子结合的三类基序:D(F/Y)DGD对应于RNA聚合酶中的活性位点,DGD(G/A)D存在于某些类型的突变酶中,DAKVGDGD存在于二羟丙酮激酶中。所有三个基序都含有一个DGD亚基序,这被认为是所有活性肽的共同祖先。此外,这三种基因都能操纵磷酸基团,这可能是生命最初阶段非常重要的生物学功能。我们的结果的统计学意义得到了这些基序在今天的蛋白质中的频率的支持,这比偶然预期的高出三倍,P值为3 × 10^{-2}。我们的研究结果的背景下,生命的外观和实验验证的可能性的影响进行了讨论。
2009-09-15 q-bio.BM q-bio.PE
Fluctuations and the limit of predictability in protein evolution
该研究利用数据驱动的能量景观模拟蛋白质演化,通过时空相关函数区分源自祖先序列和随机突变的涨落,发现祖先序列的上位约束在短时间尺度主导演化动力学并影响序列重建性能。
2025-07-14 cond-mat.dis-nn q-bio.BM q-bio.PE
Boltzmann machine learning and regularization methods for inferring evolutionary fields and couplings from a multiple sequence alignment
本研究通过玻尔兹曼机学习与正则化方法,从多序列比对推断蛋白质的进化场和耦合,并调整参数以准确恢复相互作用,同时估计折叠约束的选择温度。
2024-07-21 cond-mat.stat-mech cs.LG 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
Emergent time scales of epistasis in protein evolution
提出数据驱动的蛋白质进化上位效应模型,通过适应度景观模拟进化,准确再现多时间尺度序列统计,揭示上位效应集体性质,定量再现偶然性、固化及可预测性丧失现象,挑战独立位点模型。
2024-09-27 cond-mat.dis-nn q-bio.BM q-bio.PE
Aligning Multiple Protein Structures using Biochemical and Biophysical Properties
比对多个蛋白质结构可以产生有关相关蛋白质之间结构相似性的有价值的信息,并提供对家族中蛋白质之间进化关系的见解。我们已经开发了一种算法(msTALI),用于使用生物化学和生物物理特性,包括扭转角,二级结构,疏水性和表面可及性对齐多个蛋白质结构。该算法是一种渐进式比对算法,其动机是来自多个序列比对的流行技术。它已被证明成功对齐的主要结构区域的一组蛋白质的s/r激酶家族。该算法在比对这些蛋白质的功能残基方面也是成功的。此外,该算法还成功地比对了酰基载体蛋白家族的七个成员,包括实验衍生的以及计算建模的结构。
2019-11-06 q-bio.BM
3-10 and Pi-Helices: Stochastic Events on Sequence Space; Reasons and Implications of their Accidental Occurrences across Protein Universe
考虑到所有可用的非冗余蛋白质结构在不同的结构类别,本研究确定的概率特性,描述了几个方面的出现3(10)和π螺旋的蛋白质。3(10)和Pi螺旋的出现情况表明,它们的存在遵循一级结构上的泊松流;这意味着,它们的出现情况是罕见的,随机的和偶然的。3(10)和Pi-螺旋连续出现之间的序列间隔的结构类特异性统计分析表明,这些可以最好地描述伽马和指数分布,跨结构类。3(10)、Pi和α-螺旋中非甘氨酸和非脯氨酸残基的归一化百分比的比较研究揭示了在Ramachandran图谱的不允许、慷慨和允许区域中3(10)和Pi-螺旋残基的相当高的比例。从进化的角度对这些发现进行探讨,清楚地表明3(10)螺旋和π-螺旋应被适当地看作是长时间尺度上的进化中间体,因为不仅α-螺旋构象,而且“转角”的可能性也是相等的。因此,3(10)和π-螺旋的偶然和随机性质,以及它们的进化非保守性,可以从一个不变的定量框架来描述和解释。本文还研究了以前提出的关于3(10)螺旋和π螺旋的两个假设的正确程度。除此之外,提出了一种新的算法来区分相关序列,该算法可靠地研究了蛋白质二级结构的进化距离。
2011-12-20 q-bio.BM q-bio.QM
Leveraging Sequence Purification for Accurate Prediction of Multiple Conformational States with AlphaFold2
本文提出AF-ClaSeq框架,通过序列纯化和迭代富集提取共进化信号,使AlphaFold2能够高置信度预测蛋白质的多种构象状态,揭示结构可塑性并推动变构药物设计与功能注释。
2025-02-28 q-bio.BM
3D Protein Structure Predicted from Sequence
蛋白质在序列空间中的进化轨迹受到功能和三维结构的限制。空间接近的残基倾向于共同进化,然而,试图反转进化记录以识别这些限制并使用它们来计算折叠蛋白质的尝试迄今为止还没有成功。在这里,我们表明,在一个大的蛋白质家族中观察到的残基对的共变异,提供了足够的信息来确定3D蛋白质结构。使用数据约束的最大熵模型的多个序列比对,我们确定对统计耦合的残基位置,预计将接近的蛋白质折叠,称为从进化信息(EIC)推断的接触。为了评估这些耦合对中包含的蛋白质折叠的信息量,我们评估了来自15个不同蛋白质家族(包括G蛋白偶联受体)的50-260个残基的蛋白质的预测3D结构的准确性。这些结构预测是从头开始的,即,它们不使用同源性建模或来自已知结构的序列相似片段。在至少75%的蛋白质上,得到的低Cα-RMSD误差范围为2.7- 5.1 μ m,这表明如果它们包括足够大数量的不同样品序列,就有可能为数千个没有已知结构的蛋白质家族预测基本正确的3D结构。随着目前基于新测序技术的序列信息的巨大增长,这为全面调查蛋白质3D结构打开了大门,其中包括许多目前无法通过结构基因组学实验方法获得的结构。这一进展在许多生物学背景下具有潜在的应用,例如合成生物学、蛋白质中功能位点的鉴定和遗传变异的功能影响的解释。
2011-10-25 cs.CE physics.bio-ph physics.data-an