ProteinDock：一种用于提高蛋白质-蛋白质对接可靠性的物理信息引导层

计算建模能够在无需实验资源投入的情况下，为蛋白质-蛋白质相互作用提供几何学层面的洞见。然而，在对具有独特特征的蛋白质进行建模时，其可靠性可能受到限制，例如抗体这类利用柔性、富含极性残基的环区与抗原结合的蛋白质。 我们开发了 ProteinDock，这是一种基于物理的工具，可与主流建模程序结合使用，以提高蛋白质-蛋白质对接的可靠性；本研究以抗体-抗原界面为案例进行了说明。我们将 ProteinDock 叠加到 Rosetta 上，用于对未结合态的实验测定结构进行对接；在 Docking Benchmark Set 5.5 上评估时，对于 80.2% 的靶标生成了达到 CAPRI 可接受质量或更高质量的结果，相比之下，原始 Rosetta 在同一数据集上的表现为 47.4%，ProteinDock 使其提高了 32.8 个百分点。 为提高基于序列输入的蛋白质-蛋白质预测可靠性，我们表明，ProteinDock 的截断版本可用于从多个基于深度学习工具的输出结果中选择最优预测。我们证明，这一策略是在增加深度学习预测种子数量之外的一种计算效率更高的替代方案。我们还开发了一个用于叠加 ProteinDock 的图形用户界面，已在 https://github.com/Kimmel-Lab/proteindock 和 https://proteindock.com/ 提供。

计算建模能够在无需实验资源投入的情况下，为蛋白质-蛋白质相互作用提供几何学层面的洞见。然而，对于具有独特特征的蛋白质进行建模时，其可靠性可能会受到限制，例如抗体这类利用柔性、富含极性残基的环区与抗原结合的蛋白质。

我们开发了 ProteinDock，这是一种基于物理的工具，可与主流建模程序结合使用，以提高蛋白质-蛋白质对接的可靠性；本研究以抗体-抗原界面为案例进行了说明。我们将 ProteinDock 叠加到 Rosetta 上，用于对未结合态的实验测定结构进行对接；在 Docking Benchmark Set 5.5 上进行评估时，对于 80.2% 的靶标，ProteinDock 生成了达到 CAPRI 可接受质量或更高质量的结果，相比之下，原始 Rosetta 在同一数据集上的这一比例为 47.4%，提高了 32.8 个百分点。

为了提高基于序列输入的蛋白质-蛋白质预测可靠性，我们证明了 ProteinDock 的截断版本可用于从多个基于深度学习工具的输出结果中选择最优预测。我们表明，该策略是在提高深度学习预测种子数量之外的一种计算效率更高的替代方案。我们还创建了一个用于叠加 ProteinDock 的图形用户界面，可在 https://github.com/Kimmel-Lab/proteindock 和 https://proteindock.com/ 获取。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.17.739238v1?rss=1

🏷️ 蛋白质-蛋白质对接 抗体-抗原相互作用 物理信息引导 结构建模 Rosetta