深層学習に基づく精度評価による改善されたタンパク質構造精緻化

私たちは、タンパク質モデルにおける残基ごとの精度と残基間距離の符号付き誤差を推定し、これらの予測を使用してRosettaタンパク質構造精緻化をガイドする深層学習フレームワーク（DeepAccNet）を開発しました。このネットワークは、局所的な原子環境を評価するために3D畳み込みを使用し、その後、グローバルコンテキストを提供するために2D畳み込みを行い、タンパク質構造モデルの精度を同様に予測する他の手法よりも優れた成果を示しました。PDB内のX線およびクライオEM構造に対する全体的な精度予測は、それらの解像度と相関しており、このネットワークは予測された構造モデルと実験的に決定された構造の精度を評価し、エラーが発生する可能性のある特定の領域を特定するために広く有用であるはずです。Rosetta精緻化プロトコルの複数の段階で精度予測を組み込むことで、得られるタンパク質構造モデルの精度が大幅に向上し、深層学習が生体分子のグローバルエネルギー極小値の探索を改善する方法を示しています。