Alphafold pode ser usado para docking proteína-proteína?

O Alphafold é um método de modelagem de estruturas tridimensionais de proteínas que combina informação de sequências de aminoácidos, de alinhamentos múltiplos de proteínas e de estruturas homólogas através de redes neurais profundas. As redes são usadas para previsão das distâncias relativas entre os aminoácidos da cadeia. Os resultados do método representaram um avanço significativo ao estado-da-arte na previsão de estruturas de proteínas, sendo vencedora na competição CASP13 e CASP14.

Alguns pesquisadores avaliaram a capacidade do Alphafold em modelar complexos proteicos. Eles adicionaram um gap ou um segmento de aminoácidos para ligar as sequências das várias cadeiras e a seguir construíram o modelo usando o Alphafold Padrão. Os resultados se mostraram promissores.

A equipe do Deepmind prosseguiu com a adaptação do Alphafold para nativamente tratar de múltiplas cadeias tanto no momento do treinamento do modelo quanto na inferência. Foi criado então o software denominado AlphaFold Multimer [2].

Yin e colaboradores [1] testaram diversos métodos de modelagem de proteínas em um conjunto de 152 complexos proteicos heterodiméricos (duas cadeias de proteínas diferentes). Esses complexos podem ser divididos em rígidos (95 casos), de média dificuldade (34 casos) e difíceis (23 casos). As sequências foram modeladas pelo Alphafold, ColabFold e pelo ZDOCK, que é um método de docking tradicional.

A métrica IRAD foi usada para comparação entre os métodos. IRAD [3] é uma sigla para Integration of Residue- and Atom-based potentials for Docking e é uma métrica para avaliação de resultados de docking baseada tanto nos resíduos quanto nos átomos, como o próprio nome indica.

Eles então compararam os resultados desta métrica com os dos complexo experimentais para os complexos produzidos pelo Alphafold, pelo ColabFold e pelo ZDOCK obtendo a Figura 1. T1 indica o primeiro complexo do ranking e T5, os 5 primeiros.

Figura 1 – Taxa de sucesso dos 3 métodos comparados para três níveis de dificuldade dos complexos analisados.

Note que o Alphafold se saiu melhor que os demais, estando bem próximo do ColabFold, que é baseado no próprio Alphafold, com algumas melhorias de desempenho na busca por sequências homólogas. Eles se saem bem melhor que o ZDOCK que é um método nativamente de docking.

Uma observação interessante que os pesquisadores mencionam que ainda requer mais estudos é que os resultados não são tão confiáveis para a ligação de anticorpos. Uma hipótese bastante plausível é que o reconhecimento imunológico adaptativo representa um desafio para o algoritmo e modelo Alphafold atuais.

Em suma, temos utilizado o método de forma experimental no nosso grupo e temos obtido resultados que parecem bastante adequados em muitos casos. Acreditamos que as redes neurais profundas ainda trarão muitos aperfeiçoamentos aos métodos de docking no futuro próximo e precisamos ficar atualizados sobre os novos métodos.

Conta para nós se você tem usado o Alphafold para modelagem de complexos proteicos e o que tem achado dos resultados.

Raquel

Referências

[1] Yin, Rui, et al. “Benchmarking AlphaFold for protein complex modeling reveals accuracy determinants.” Protein Science 31.8 (2022): e4379.

[2] Evans, Richard, et al. “Protein complex prediction with AlphaFold-Multimer.” BioRxiv (2022): 2021-10.

[3] Vreven, Thom, Howook Hwang, and Zhiping Weng. “Integrating atom‐based and residue‐based scoring functions for protein–protein docking.” Protein Science 20.9 (2011): 1576-1586.

Publicado por OnlineBioinfo Bioinformática

Meu nome é Raquel Minardi, sou bacharel em Ciência da Computação e doutora em Bioinformática. Sou professora do Departamento de Ciência da Computação da UFMG desde 2010, membro afiliado da Academia Brasileira de Ciências (ABC), vice-coordenadora do Programa de Pós-graduação em Bioinformática da UFMG, coordenadora da rede BaBEL de Bioinformática aplicada a Biotecnologia, vice-coordenadora do comitê especial de Biologia Computacional da Sociedade Brasileira de Computação (SBC) e secretaria da diretoria regional centro-sudeste da Associação Brasileira de Bioinformática e Biologia Computacional (AB3C). Sou fascinada pela área de Bioinformática e pela possibilidade de desenvolver modelos e algoritmos para suporte a resolução de problemas tão desafiadores quanto os que envolvem a biologia e biotecnologia. Também amo ensinar e desenvolver conteúdos para ensino a distância.

Deixe um comentário

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair /  Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair /  Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair /  Alterar )

Conectando a %s

%d blogueiros gostam disto: