使用深度学习预测蛋白间相互作用

大家好。本周分享的文章是发表在Nucleic Acids Research上的ComplexContact: a web server for inter-protein contact prediction using deep learning。通讯作者是芝加哥丰田技术研究所的Xu Jinbo教授，他们课题组发表了一系列工作将深度学习方法运用到蛋白质结构预测之中。

在这篇文章中，他们将之前开发的基于单条肽链的深度学习预测共进化的残基对的方法拓展到了蛋白复合物界面上的共进化对上。这一工作流程可以简要概括为，1）对两个搜索序列使用HHblits构建MSA ；2）连接两个MSA； 3）基于连接后的MSA进行深度学习预测复合物上的共进化残基对。

为了更好地处理真核生物，他们使用了两种将两个搜索蛋白的MSA连接的方法，一是传统的基于基因组的距离来进行配对，二是基于进化树来进行配对。他们发现，基于进化树对MSA进行物种上分组再排序后连接生成的MSA_p对于提高真核生物的预测准确度有着很大帮助。

他们在3DComplex上测试了这种名为ComplexContact的方法，发现与GREMLIN、EVcomplex相比其对复合物的预测效果更好。由于现在的模型所使用的训练集还是单条肽链，基于他们此前对于膜蛋白预测的经验，他们下一步计划在训练集中混入复合物，来进一步提高预测的准确度。

他们将这一工作做成了一个在线服务器：http://raptorx2.uchicago.edu/ComplexContact/

本文作者：CY

https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gky420/5001161

原文引用：

DOI：10.1093/nar/gky420