因果関係を適用してタンパク質の動態とキネティクスを推測する

実験的に解決された構造をタンパク質データバンクに蓄積した生成的機械学習モデルの利用は、タンパク質の構成エンサンブルをサンプリングする魅力的なアプローチです。しかし、これらのモデルによって生成されるエンサンブルには時間スケールや因果情報が欠けています。私たちは、AlphaFold2から生成される構造エンサンブルを用いて、オーバーダンプされ、記憶のない、粗視化されたランジュバン方程式の平均力ポテンシャルをパラメータ化します。このアプローチは、AlphaFold2のエンサンブルを因果モデルに結びつけ、各MSA深度で生成されたエンサンブルがカバーする時間スケールを推定できるようにします。HIV-1プロテアーゼの6つの変異体に対してこの分析を行い、MSA深度とエンサンブルの構成変動の時間スケールとの間に逆の関係があることを確認しました。MSA深度は本質的に構成制約として機能し、AlphaFold2は一般的に、マイクロ秒長のバイアスのない分子動力学シミュレーションで見られる時間スケールで探査できます。このアプローチを他の生成的な構造エンサンブル予測法や共折りモデル、特に生物学的に機能するHIV-1プロテアーゼ二量体に一般化して結論を締めくくります。