- 1次围观
许多肽往往并不具有单一的主导结构。相反，许多肽在水中保持无序，并在遇到膜或其他化学环境时发生折叠；这一性质构成了多种生物学功能的基础，但也难以预测。本文提出 ApexFold，一种机器学习框架，用于预测肽的二级结构如何随环境变化而改变。ApexFold 结合肽序列及其特征，以及周围介质的理化描述符，来估计在每种条件下预期的螺旋、β样和无序结构所占比例。该模型基于 1,187 条肽在水、共溶剂以及膜模拟胶束中的圆二色性测量数据进行训练，能够预测独立肽集合中的溶剂诱导结构转变，并且优于仅返回单一构象的静态结构预测器。这些结果表明，肽的结构可塑性可以从序列和环境中学习得到，从而为在合成和结构表征之前优先筛选肽及实验条件提供了一种方法。
许多肽往往并不具有单一的主导结构。相反，许多肽在水中仍保持无序状态，并在遇到膜或其他化学环境时折叠，这一性质支撑了多种生物学功能，但却难以预测。这里我们提出 ApexFold，一种机器学习框架，用于预测肽的二级结构如何随环境变化。ApexFold 利用肽序列及其特征，并结合周围介质的理化描述符，来估计在每种条件下预期的螺旋、β样和无序结构所占比例。ApexFold 基于 1,187 条肽在水、共溶剂和膜模拟胶束中的圆二色性测量结果进行训练，并在独立肽集合中预测了由溶剂诱导的结构转变，且优于返回单一构象的静态结构预测器。这些结果表明，肽的结构可塑性可以从序列和环境中学习获得，从而为在合成和结构表征之前优先筛选肽及实验条件提供了一种方法。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.09.743796v1?rss=1
🏷️ 肽二级结构 结构可塑性 机器学习预测 序列-环境关系 溶剂诱导折叠
来源出处