Lesen Sie den neuen Artikel aus Katja Luck's Lab über "Erstellung eines Satzes von Domänen-Domänen-Schnittstellentypen mit hohem Vertrauen, um die Vorhersage von Proteinkomplexstrukturen durch AlphaFold zu unterstützen" soeben in Bioinformatik veröffentlicht

Abstrakt

Motivation
Während die Veröffentlichung von AlphaFold (AF) einen Durchbruch für die Vorhersage von Proteinkomplexstrukturen darstellte, ist seine Empfindlichkeit, insbesondere bei Verwendung von Proteinsequenzen in voller Länge, nach wie vor begrenzt. Die Erfolgsquoten bei der Modellierung könnten steigen, wenn die AF-Vorhersagen von wahrscheinlich interagierenden Proteinfragmenten geleitet würden. Dieser Ansatz erfordert verfügbare Sätze von Protein-Protein-Schnittstellentypen mit hoher Zuverlässigkeit. Computergestützte Ressourcen wie 3did leiten interagierende globulare Domänentypen aus beobachteten Kontakten in Proteinstrukturen ab. Die Bewertung der Genauigkeit dieser vorhergesagten Schnittstellentypen ist schwierig, da wir keine von Hand kuratierten Referenzsätze von verifizierten Domänen-Domänen-Schnittstellentypen (DDI) haben.

Ergebnisse
Um die Modellierung von Proteinkomplexen durch AF zu verbessern, haben wir 80 zufällig ausgewählte DDI-Typen aus der 3did-Ressource manuell überprüft, um einen ersten Referenzsatz von DDI-Typen zu erstellen. Die identifizierten Fälle von nicht zugelassenen DDI-Typen (40%) resultierten hauptsächlich aus ungenauen Pfam-Domänenübereinstimmungen, Kristallkontakten und synthetischen Proteinkonstrukten. Mithilfe der logistischen Regression haben wir eine Teilmenge von 2411 der 5724 in 3did betrachteten DDI-Typen mit hohem Vertrauen vorhergesagt, die wir anschließend auf 53000 menschliche Proteininteraktionen angewandt haben, um DDIs vorherzusagen, gefolgt von AF-Modellierung. Wir erhielten sehr zuverlässige AF-Modelle für 604 von 1129 vorhergesagten DDIs. Bemerkenswert ist, dass für 47% von ihnen kein zuverlässiges AF-Strukturmodell unter Verwendung von Proteinsequenzen in voller Länge erhalten werden konnte.

 Herzlichen Glückwunsch an Katja Luck, Johanna Lena Geist (IRTG-Student) und allen Autoren, die zu dieser Veröffentlichung beigetragen haben!