Folding Stability

1 简介

通过蛋白序列逆折叠模型ESM-IF，预测蛋白质的绝对稳定性ΔG。
传统的物理方法（如FoldX、Rosetta等）预测蛋白稳定性ΔG，依赖于高置信度结构pdb，如果突变太多，结构置信度降低，预测结果较差。在ProteinGym的benchmark结果表明，生成模型ESM-IF在zero-shot预测DMS数据的蛋白突变稳定性ΔΔG达到同类最佳水平。该方法是在突变预测基础上的延伸，利用ESM-IF模型直接预测完整蛋白折叠稳定性的绝对ΔG值。
经过测试，预测误差RMSE ≈ 1.5 kcal/mol，相关系数为0.7，是预测蛋白质的折叠稳定性ΔG的重大突破。
原理：

图1. 计算原理

图2. 性能表现

• xk : 蛋白某位点为氨基酸k时，使用ESM-IF计算的log-likelihood
• xj : 蛋白遍历20种氨基酸时，在该位点为j时，使用ESM-IF计算的log-likelihood
• Lk：Softmax得到蛋白某位点为氨基酸k时，对稳定性的贡献大小

然后，将蛋白质所有氨基酸位点的Lk加和，得到蛋白整体的log-likelihood。
最后，通过线性整体log-likelihood与实验稳定性ΔG拟合得到拟合参数，根据a/b就可以将log-likelihood转换成蛋白稳定性ΔG了。

2 参数说明

• PDB File：蛋白三维结构的PDB文件
• Target Chain：目标链

3 结果说明

• Protein Stability：数值越大越好

4 参考文献

[1] Predicting absolute protein folding stability using generative models Matteo Cagiada, Sergey Ovchinnikov, Kresten Lindorff-Larsen bioRxiv 2024.03.14.584940. https://doi.org/10.1101/2024.03.14.584940.