将距离信息注入类似 AlphaFold 的结构预测器中的通用框架

结构预测方法如今已能够非常成功地根据序列预测三维结构。然而，仍然常常希望通过对结构中成对距离施加额外的外部先验，来补充这些方法。我们提出了一种通用方法，可通过对成对表示施加偏置，使其在距离分布图中产生期望特征，并进一步反映到最终结构中，从而将先验信息注入类 AlphaFold 结构预测器。我们展示了该方法可用于：通过选择性地推动或拉近可移动氨基酸对来采样替代构象状态；将 NMR NOESY 数据与结构预测相结合；以及提高蛋白质-蛋白质和蛋白质-配体复合物预测的成功率。我们证明，该方法同时适用于 AlphaFold2 和 AlphaFold 3 的一个复现版本（OpenFold3）。resTrain 为开源项目，所有用户均可通过 GitHub 和 Colab 笔记本获取：https://github.com/clami66/resTrain

结构预测方法如今已能够非常成功地根据序列预测三维结构。然而，通常仍然希望利用关于结构中成对距离的额外外部先验信息来补充这些方法。我们提出了一种通用方法，可通过对成对表征施加偏置，使其在距离图中产生期望特征，并进一步反映到最终结构中，从而将先验信息注入类似 AlphaFold 的结构预测器。我们展示了该方法可用于：通过选择性地推动或拉近可移动氨基酸对来采样替代构象状态；将 NMR NOESY 数据与结构预测相结合；以及提高蛋白质-蛋白质复合物和蛋白质-配体复合物预测的成功率。我们证明，该方法同时适用于 AlphaFold2 和 AlphaFold 3 的一个复现版本（OpenFold3）。resTrain 为开源项目，所有用户均可通过 GitHub 和 Colab 笔记本获取：https://github.com/clami66/resTrain

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.02.736010v1?rss=1

🏷️ 蛋白质结构预测 AlphaFold 距离约束 构象采样 蛋白质复合物建模 NMR数据整合