Chem. Sci. | 设计蛋白-蛋白相互作用界面的深度学习模型

主要观点总结

本文介绍了复旦大学药学院戚逸飞/王任小团队开发的用于蛋白-蛋白相互作用（PPI）界面序列设计的深度学习模型——ProBID-Net。该模型能够在多项测试中展现优良性能，包括界面残基恢复率、困惑度、界面疏水保守性和折叠能力等方面。模型已开源，可从指定链接获取。

关键观点总结

关键观点1: ProBID-Net模型的开发和应用

ProBID-Net是一种基于深度学习的蛋白界面设计方法，能够根据给定的受体蛋白结构，预测配体蛋白界面上的氨基酸序列。模型使用QSalignHET标记的PDB异源二聚体界面结构作为训练集，并补充结构域-结构域界面作为补充训练数据。

关键观点2: ProBID-Net与其他模型的比较

ProBID-Net与2024年诺贝尔化学奖得主David Baker教授研究小组开发的ProteinMPNN在界面残基恢复率上相当，但在预测置信度、疏水保守性和结构预测方面表现更优。

关键观点3: ProBID-Net的评估和测试

ProBID-Net经过严格的测试，包括界面残基恢复率、困惑度、折叠能力等方面的评估。此外，还进行了蛋白-蛋白结合亲合力零样本测试，证明其泛化能力。

关键观点4: ProBID-Net的意义和影响

ProBID-Net为蛋白-蛋白相互作用的设计提供了有效工具，有助于功能蛋白的高效设计。模型已开源，为相关研究提供了便利。