澎湃Logo
下载客户端

登录

  • +1

【科技前沿】华中师范大学赵蕴杰团队提出RNA-蛋白质复合物结构评估新方法

2023-03-09 17:00
来源:澎湃新闻·澎湃号·政务
字号

以下文章来源于华大物院 ,作者小phy

华大物院.

充分响应学校信息化办学理念,打造优质的学院信息发布和大学生的思想政治教育平台,致力于增强华大物院师生间的交流互动。

RNA-蛋白质复合物是生命体中广泛参与生命活动的软物质分子,精确的三维结构有助于理解其调控机理与相关疾病的治疗。X射线晶体衍射、核磁共振或冷冻电镜等实验方法解析RNA-蛋白质复合物结构需要花费大量的时间和财力,亟需发展RNA-蛋白质复合物结构预测的理论计算方法。基于统计势能的评分函数是目前常用的RNA-蛋白质复合物结构预测评估模型,在刚性对接问题中表现较好,柔性对接的结构评估仍然没有解决,依然是极具挑战性的难题。RNA-蛋白质复合物界面相互作用包括静电、范德华、碱基堆积与氢键等多种类型并形成相互作用网络,RNA分子在复合物结合前后有一定的构象变化,需要发展适用于描述分子复杂系统的多尺度、多维度复杂动力学行为的统计物理新模型。

华中师范大学物理科学与技术学院赵蕴杰教授与美国达特茅斯计算机学院Soroush Vosoughi教授、美国乔治华盛顿大学曾辰教授合作在软凝聚态与生物物理领域取得了新的研究进展,在 Nature Communications发表题为“Evaluating native-like structures of RNA-protein complexes through the deep learning method”的最新研究成果,可精确评估RNA-蛋白质复合物结构。

图1. DRPScore模型训练中学习的RNA-蛋白质复合物特征与4DCNN深度学习模型。

赵蕴杰教授课题组发展了基于人工智能和统计物理模型相结合的新方法DRPScore(图1)。该方法通过分子对接模拟复合物结合的构象变化,可以考虑柔性对接中分子结构的变化。另一方面,该方法聚焦于RNA-蛋白质相互作用界面,通过4DCNN模型不仅可以有效学习原子质量、原子电荷、相互作用类型(静电相互作用、氢键等)和相互作用距离的局部特征,还可以学习复合物二级结构相互作用(RNA为配对、发卡环和内环等;蛋白质为螺旋和beta折叠单元)与口袋拓扑结构等全局特征。

图2. 柔性对接测试集结果。黄色为近天然态结构,DRPScore的预测精度显著高于传统模型。

柔性对接是RNA-蛋白质复合物结构预测中尚未解决的瓶颈问题。例如,复合物界面相互作用面较小时,传统统计势模型过于敏感并导致较难选择近天然态结构。DRPScore可以通过较少的相互作用数据学习RNA-蛋白质复合物界面特征,较传统方法有显著的提升(图2)。DRPScore在不同柔性程度的测试集上进行了广泛评估,RNA-蛋白复合物结构预测的刚性对接测试集中成功率为91.67%,柔性对接测试集中的成功率为56.14%,较传统方法提高了10.53-15.79%,有效解决了结构评估中由柔性诱导的构象变化问题,显著提高了RNA-蛋白质复合物结合界面相互作用预测的准确性。DRPScore是软凝聚态与生物物理研究领域中研究生物大分子的有效工具,将对RNA相关复合物结构预测、结构设计与相关药物开发有重要作用。

华中师范大学博士研究生曾成伟为该论文的第一作者,达特茅斯计算机学院简弋人为共同第一作者,物理科学与技术学院赵蕴杰教授为论文的通讯作者,华中师范大学为第一完成单位。该研究工作得到国家自然科学基金面上项目等资助。

全文链接:https://doi.org/10.1038/s41467-023-36720-9

中国生物物理学会官方订阅号,为BSC会员及生物物理领域专业人士服务。

投稿及授权请联系:bscoffice@bsc.org.cn。

原标题:《【科技前沿】华中师范大学赵蕴杰团队提出RNA-蛋白质复合物结构评估新方法》

阅读原文

    本文为澎湃号作者或机构在澎湃新闻上传并发布,仅代表该作者或机构观点,不代表澎湃新闻的观点或立场,澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问http://renzheng.thepaper.cn。

    +1
    收藏
    我要举报
            查看更多

            扫码下载澎湃新闻客户端

            沪ICP备14003370号

            沪公网安备31010602000299号

            互联网新闻信息服务许可证:31120170006

            增值电信业务经营许可证:沪B2-2017116

            © 2014-2024 上海东方报业有限公司

            反馈