EnsPlex：基于多源互补结构采样与拓扑感知候选筛选的集成式蛋白质复合物预测

蛋白质复合物结构预测既依赖于候选结构覆盖范围的广度，也依赖于在有限输出预算下筛选准确模型的能力。现有大多数方法仅侧重其中一个阶段。端到端模型和分子对接流程用于生成候选结构，而质量评估模型则主要对预先定义的候选结构池进行重新排序。完整的策略必须考虑不同生成器之间的互补采样、评分尺度之间的差异以及最终候选结构配额的分配。在此，我们提出 EnsPlex，这是一种面向蛋白质—蛋白质相互作用复合物预测的多源框架，将结构采样与候选选择相结合。EnsPlex 融合了构象扩展对接、AlphaFold-Multimer、AlphaFold3 和 Boltz-1，以扩展采样的构象空间。构象扩展对接包括单体构象扩展，随后进行柔性 HADDOCK 对接。我们以 DockQ 及其组成指标作为监督信号，训练了用于预测候选结构质量的 FACET。在 102 个抗原—抗体体系中，在输出预算相匹配的条件下，与采用内置排序的 AlphaFold3 相比，EnsPlex 使目标成功率最高提升了 27.8%。FACET 还改善了内部候选结构池以及经过同源性过滤的外部数据中的源内排序性能。这些结果表明，在所评估的抗原—抗体体系中，EnsPlex 可用于复合物结构预测。

蛋白质复合物结构预测不仅取决于候选结构覆盖范围的广度，还取决于在有限输出数量预算内筛选出准确模型的能力。现有大多数方法仅侧重于其中一个阶段。端到端模型和分子对接流程负责生成候选结构，而质量评估模型主要对预先设定的候选结构池进行重新排序。完整的策略必须综合考虑不同生成器之间的互补采样、评分尺度之间的差异以及最终候选结构配额的分配。在此，本文提出 EnsPlex，这是一种面向蛋白质–蛋白质相互作用复合物预测的多源框架，将结构采样与候选结构筛选相结合。EnsPlex 融合了构象扩展对接、AlphaFold-Multimer、AlphaFold3 和 Boltz-1，以扩展采样构象空间。构象扩展对接包括单体构象扩展，随后进行柔性 HADDOCK 对接。FACET 以 DockQ 及其组成指标作为监督信号进行训练，用于预测候选结构质量。在 102 个抗原–抗体体系中，在输出数量预算相匹配的条件下，与采用内置排序机制的 AlphaFold3 相比，EnsPlex 使目标成功率最高提升了 27.8%。FACET 还提升了内部候选结构池以及经过同源性过滤的外部数据中的源内排序性能。这些结果表明，在所评估的抗原–抗体体系中，EnsPlex 可有效用于结构预测。

感谢您有意传播 bioRxiv 的相关信息。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.26.754739v1?rss=1

🏷️ 蛋白质复合物结构预测 多源结构采样 分子对接 候选结构质量评估 抗原—抗体复合物