ProteinMPNN

1 引言

ProteinMPNN¹ 在计算机模拟和实验测试中表现出色。在原生蛋白质骨架上，ProteinMPNN 的序列恢复率为 52.4%，而 Rosetta 的为 32.9%。不同位置的氨基酸序列可以在单链或多链之间耦合，使其能够应用于当前蛋白质设计挑战的广泛范围。

图 1. ProteinMPNN 的整体架构

图 2. ProteinMPNN 的性能

2 参数

名称	说明
chains_to_design	需要预测的链
seqs_per_struct	生成的候选序列数量
input_pdb	三维结构的 PDB 文件

3 结果说明

返回两个文件，一个 .fasta 文件和一个 .csv 文件。

在 .fasta 文件中，第一条记录是原始序列，其余是预测序列。.fasta 文件中的描述包含以下关键信息：

名称	说明
score	设计的氨基酸的负对数概率在残基上的平均值。值越小越好
global_score	所有链中所有残基的负对数概率的平均值。值越小越好
fixed_chains	未设计的链（固定）
designed_chains	被重新设计的链
T=0.1	使用温度为 0.1 进行序列采样
sample	序列样本编号 1, 2, 3...等
seq_recovery	预测序列与原始序列的重叠程度

.fasta 文件中的每条链用 / 分隔。.csv 文件则提供了更友好的展示，每列的含义如下：

名称	说明
type	指示序列的类型
description	如 .fasta 文件中所述
chain: X	被重新设计的链 X 的氨基酸序列

4 参考文献

[1] J. Dauparas et al., Robust deep learning–based protein sequence design using ProteinMPNN. Science378,49-56(2022). https://doi.org/10.1126/science.add2187