RFdiffusion3MPNNRoseTTAFold 3蛋白质承担着催化、识别、信号传递和结构支撑等功能。它能与什么分子结合、在什么条件下发挥作用都与氨基酸序列及其形成的三维结构有关。传统的结合蛋白开发通常从已有抗体、天然蛋白或序列库出发通过筛选和改造寻找具有目标功能的分子。从头设计de novo design提供了另一种起点。我们先给出靶点结构、希望结合的表面以及设计长度等条件再计算生成候选结构和序列。对于结合蛋白设计这意味着可以从指定的靶点表面开始尝试而不必先找到一条已知能够结合的天然蛋白。从头设计的吸引力在于能把部分需求提前放进计算过程。例如希望结合某一片表面可以选择热点希望得到较短的小蛋白可以限制设计长度希望减少无规则环区可以设置相应的生成条件。这些条件为探索候选提供了方向最终能否同时满足稳定折叠、特异性结合和表达要求还要经过预测筛选与实验验证。本篇沿用前一篇教程中生成结构、设计序列、预测验证的思路工具更新为 RFdiffusion3、ProteinMPNN 和 RoseTTAFold 3。它们在Foundry中提供了相互衔接的输入输出分别解决下面三个问题给定靶点表面候选结合蛋白可以具有怎样的空间结构给定候选骨架哪些氨基酸序列与它相容将设计序列重新用于结构预测是否还能得到接近原设计的结合姿态。Foundry 官方项目说明https://github.com/RosettaCommons/foundry前一篇主要使用 RFdiffusionRFD1 ProteinMPNN AlphaFold2本篇使用 RFdiffusion3 ProteinMPNN RoseTTAFold 3。两篇的基本思路相同都是先生成候选结构再设计序列最后检查设计序列能否维持预期的折叠和结合姿态。比较内容前一篇流程本篇流程结构生成RFD1 主要围绕蛋白骨架生成RFD3 使用全原子建模支持更细的原子级条件热点设置常用残基级热点如ppi.hotspot_res使用select_hotspots可以指定残基内的具体原子序列设计ProteinMPNN前一篇也介绍了结合 FastRelax 的流程使用 Foundry 中的 ProteinMPNN/SolubleMPNN复折叠评估使用 AlphaFold2 相关工具使用 RoseTTAFold 3能力逼近 af3部署和文件衔接分别配置相关工具和环境通过 Foundry 安装使用 CIF 等文件衔接结果的意义得到需要进一步验证的计算候选同样需要结构复核和实验验证因此旧版命令、权重和筛选阈值不能原样搬到新版。RFD3 的全原子条件扩展了设计方式但不意味着每个靶点都更容易成功本篇也没有对两套流程做相同预算下的性能比较。所见即所得以html格式提供学习手册可在浏览器中打开并翻阅学习教程目录零、欢迎关注Biomamba 生信基地1. 准备工作1.1 编程基础1.2 硬件基础2. 理论基础2.1 RFdiffusion3 生成结合蛋白结构2.2 ProteinMPNN 根据骨架设计序列2.3 RoseTTAFold 3 重新预测并评估结构2.5 与 RFdiffusionRFD1流程对比与差异3. 安装部署3.1 配置安装软件3.2 下载权重模型4. RFdiffusion3 设计结合蛋白结构4.1 RFdiffusion3 设计主流程4.1.1 靶点 PDB 需要怎么准备4.1.2 编写输入并运行4.2 RFdiffusion3 具体参数解读5. MPNN 进行结合蛋白的序列设计5.1 MPNN 设计主流程5.2 MPNN 参数解读6. 使用 RoseTTAFold 3RF3进行推理评估6.1 RoseTTAFold 3 复折叠评估主流程6.2 RoseTTAFold 3 具体参数讲解7. 筛选与结果解读7.1 评估表中的指标8. 这个流程可以自动化、批量化吗9. 筛选出候选之后还可以做什么文末下载链接中包含以下内容测试文件总大小116.13MB订阅后解锁下方学习手册链接